發(fā)布時間：2020-11-02 22:42

　　 森林是陸地生態(tài)系統(tǒng)的主體,也是人類賴以生存的重要自然資源之一。森林空間結構信息在森林生態(tài)研究、資源監(jiān)測等方面具有重要作用。傳統(tǒng)的森林調查通過人工每木檢尺來實現(xiàn),勞動強度大、效率低。近幾年無人機飛行平臺快速發(fā)展,無人機遙感憑借著作業(yè)方式靈活、數(shù)據(jù)獲取成本低的優(yōu)勢,正在引起不同行業(yè)部門的廣泛關注。特別是基于計算機視覺技術的無人機影像處理技術不斷成熟,為基于無人機影像的森林遙感研究提供了新的發(fā)展契機。本文主要研究了無人機立體影像數(shù)據(jù)在森林結構參數(shù)調查中的方法與技術,主要有四個方面的工作:(1)無人機立體影像數(shù)據(jù)獲取與處理。使用無人機獲取的內蒙古大興安嶺林區(qū)的森林影像數(shù)據(jù),利用計算機視覺數(shù)據(jù)處理軟件(Agisoft PhotoScan)對無人機影像進行處理,得到影像點云、數(shù)字正射影像(Digital Orthophoto Map,DOM)、數(shù)字表面模型(Digital Surface Model,DSM);通過對影像點云進行濾波處理,將點云分為地面點和非地面點,利用地面點生成數(shù)字高程模型(Digital Elevation Model,DEM),進而利用數(shù)字表面模型和數(shù)字高程模型獲得冠層高度模型(Canopy Height Model,CHM)數(shù)據(jù)。(2)借鑒LiDAR點云數(shù)據(jù)的單木識別算法,針對目前單木識別研究中存在的單木錯識別的現(xiàn)象,設計了一種基于無人機影像點云和“單木樹冠結構分析”的單木識別算法。該算法通過對識別的單木樹冠的垂直結構的分析,剔除掉偽單木,從而提高單木識別的準確率。(3)現(xiàn)有單木識別算法在密集林區(qū)存在較嚴重的單木漏識別的問題,我們利用數(shù)學形態(tài)學方法,提出了一種基于無人機正射影像(DOM)和數(shù)字表面模型(DSM)數(shù)據(jù)的單木識別算法研究。該算法綜合運用DOM和DSM的光譜和幾何信息進行單木樹冠區(qū)域的提取,針對密集林區(qū)單木樹冠交錯重疊的問題,通過數(shù)學形態(tài)學腐蝕與膨脹操作以及連通區(qū)標記的方法,實現(xiàn)樹冠相連單木的分離與識別,獲得了準確的單木樹冠中心,減少了單木的漏識別率。(4)單木結構參數(shù)(樹高與樹冠面積)的提取與單木胸徑、生物量的反演。根據(jù)前面所識別單木的位置,利用冠層高度模型獲取單木樹高;而單木冠幅的獲取是使用標記分水嶺分割,將識別的單木位置作為標記,然后采用分水嶺分割的方法,獲得單木樹冠的輪廓與面積。單木胸徑是獲得單木生物量的重要參數(shù),由于遙感無法直接提取單木胸徑,我們利用提取的單木樹高與冠幅,通過建立胸徑反演模型,獲得單木胸徑,然后通過生物量異速生長方程計算單木生物量,最終實現(xiàn)樣地總生物量的反演。
【學位單位】：中國科學院大學(中國科學院遙感與數(shù)字地球研究所)
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：S771.8
【部分圖文】：

圖 2-1 研究區(qū)地理位置究數(shù)據(jù)的研究數(shù)據(jù)包括獲取的研究區(qū)的無人機普通 RGB 影像數(shù)據(jù)以及相實測數(shù)據(jù)。人機影像數(shù)據(jù)獲取及其預處理機影像的獲取時間為 2015 年 8 月 4 日到 2015 年 8 月 24 日，采用人機（圖 2-2），搭載 Sony NEX-5T 相機，焦距為 16mm，CCD 像9089 4.89089um，行列數(shù)為 4912 3264，飛行高度為 300m，影像 8.6cm， 航向重疊度是 90%， 旁向重疊度為 60%，圖 2-3 為無人，可以看到影像清晰、紋理信息豐富。(a)(b)

圖 2-1 研究區(qū)地理位置究數(shù)據(jù)文的研究數(shù)據(jù)包括獲取的研究區(qū)的無人機普通 RGB 影像數(shù)據(jù)以及相應地實測數(shù)據(jù)。無人機影像數(shù)據(jù)獲取及其預處理人機影像的獲取時間為 2015 年 8 月 4 日到 2015 年 8 月 24 日，采用大無人機（圖 2-2），搭載 Sony NEX-5T 相機，焦距為 16mm，CCD 像元.89089 4.89089um，行列數(shù)為 4912 3264，飛行高度為 300m，影像地為 8.6cm， 航向重疊度是 90%， 旁向重疊度為 60%，圖 2-3 為無人機像，可以看到影像清晰、紋理信息豐富。(b)

圖 2-1 研究區(qū)地理位置究數(shù)據(jù)文的研究數(shù)據(jù)包括獲取的研究區(qū)的無人機普通 RGB 影像數(shù)據(jù)以及相應地實測數(shù)據(jù)。無人機影像數(shù)據(jù)獲取及其預處理人機影像的獲取時間為 2015 年 8 月 4 日到 2015 年 8 月 24 日，采用大無人機（圖 2-2），搭載 Sony NEX-5T 相機，焦距為 16mm，CCD 像元.89089 4.89089um，行列數(shù)為 4912 3264，飛行高度為 300m，影像地為 8.6cm， 航向重疊度是 90%， 旁向重疊度為 60%，圖 2-3 為無人機像，可以看到影像清晰、紋理信息豐富。(b)
【相似文獻】

相關博士學位論文 前4條

1 劉篤晉;面向植被識別的無人機圖像處理關鍵技術研究[D];成都理工大學;2016年

2 賈樹蔥;智能交通網(wǎng)絡中資源競爭與合作機制研究[D];北京郵電大學;2017年

3 穆悅;戈壁表面多尺度礫石特征參數(shù)估算及其空間分布規(guī)律研究[D];中國林業(yè)科學研究院;2017年

4 袁建清;基于多尺度遙感的寒地水稻稻瘟病信息提取與識別研究[D];東北農(nóng)業(yè)大學;2017年

相關碩士學位論文 前10條

1 劉見禮;基于無人機立體影像數(shù)據(jù)的森林結構參數(shù)調查研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

2 李洪向;基于無人車和無人機協(xié)作的動態(tài)降落研究[D];哈爾濱工業(yè)大學;2017年

3 雷雨默;多旋翼無人機堆狀體航空攝影測量[D];西安科技大學;2017年

4 魏江鵬;小型多功能無人機設計優(yōu)化與控制[D];長安大學;2017年

5 郭倩倩;無人機天線自動跟蹤系統(tǒng)的設計[D];杭州電子科技大學;2017年

6 莫德強;基于無人機平臺的道路車輛違章超速行為檢測算法研究[D];哈爾濱工業(yè)大學;2017年

7 張蕾;高壓輸電線路行波法故障測距及無人機清障裝置研究[D];鄭州大學;2017年

8 畢慶生;基于Onboard SDK的無人機自主飛行控制技術研究[D];西安石油大學;2017年

9 沈陽陽;基于ARM的四旋翼無人機自動駕駛系統(tǒng)的研究[D];長春理工大學;2017年

10 高想卓;降低無人機影像數(shù)據(jù)冗余度方法的研究[D];西安科技大學;2017年

本文編號：2867682