一种基于梯度方向聚类的遥感数据中单棵树的检测方法

摘要

一种基于梯度方向聚类的遥感数据中单棵树的检测方法，专门应用于遥感领域的LIDAR数据中。发明方法包括以下步骤：1)LIDAR点云数据栅格化。2)根据梯度方向聚类。提取类似树冠的锥形形状来检测单棵树3)单棵树的筛选。考虑树的形状特征和密度特征。4)单棵树的中心点确定。本发明方法注重于锥形的树冠形状提取，依赖于各像素点的梯度方向，参数依赖性少，提取效率高。

主权项

一种基于梯度方向聚类的遥感数据中单棵树的检测方法，包括如下步骤：1)LIDAR点云数据栅格化；LiDAR——Light Detection And Ranging，即激光探测与测量；是利用GPS和惯性测量装置IMU的机载激光扫描；；其所测得的数据为数字表面模型DSM的离散点表示，这些点云数据中含有空间三维信息和激光强度信息；1.1)计算数字表面模型DSM；；1.2)计算数字地形模型DTM；；1.3)计算树林冠层高度模型CHM；；2)根据梯度方向聚类；在栅格化的树林冠层高度模型图像中，根据每一个点的梯度方向，进行聚类；聚类结果中的每一类认为是一棵树；此时结果中的噪声较多，粗糙的边界和细碎的小影像都对结果有较大影响，采用数学形态学方法进行腐蚀膨胀优化聚类结果；聚类结果中每一类认为是一棵树，加入单棵树备选集；3)单棵树的筛选；对于单棵树备选集中影像对象应具有类似正方形或圆形的多边形区域，通过定义密度参数特征和形状参数特征可以明显排除噪声区域；4)单棵树的中心点确定；对于单棵树检测集中检测得到的树，计算每一棵树在树林冠层高度模型图像中的最小外接圆，以最小外接圆的圆心作为单棵树的树中心。