一種基于LiDAR偽垂直波形模型的樹種分類方法
【專利摘要】本發明公開了一種基于LiDAR偽垂直波形模型的樹種分類方法，包括：1）使用機載小光斑全波形LiDAR傳感器進行數據采集，獲得完整波形信息，采樣間隔為1ns；2）LiDAR波形數據預處理；3）通過波形結構化分解和綜合波形重組構建偽垂直波；4）單木分割和信息綜合；5）在單木范圍內匯總點云屬性并計算綜合波形特征參數；6）使用支持向量機分類器進行樹種分類。該樹種分類方法，能增強獲取的LiDAR能量信號，在單木分割基礎上，從多個維度提取綜合波形特征變量，實現了通過單一數據源獲取并提升亞熱帶森林的樹種分類精度，可以更好地反映該森林類型中主要樹種的時空變異，經實驗驗證結果表明，與其他使用LiDAR進行樹種分類的方法相比總體精度提升10%；Kappa系數提升0.1。
【專利說明】-種基于Li DAR偽垂直波形模型的樹種分類方法
【技術領域】
[0001] 本發明屬于樹種分類方法【技術領域】，具體涉及一種基于LiDAR偽垂直波形模型的 樹種分類方法。
【背景技術】
[0002] 如何快速、定量、精確地進行森林內各主要樹種的自動化提取與識別是林業遙感 研究的難點之一。其在森林資源經營管理中具有重要的現實意義。常規的森林類型或樹 種調查方法主要依賴于野外調查以及利用大比例尺航片判讀等相結合的方法，其精度往往 不高。同時，傳統的光學遙感方法由于受到"同物異譜"和"同譜異物"現象的影響，在識別 森林類型或樹種組時往往效果也不夠理想，其在大區域上更是難于實用化推廣。激光雷達 (LiDAR,Light Detection and Ranging)是通過發射激光束擊打物體表面并分析其返回信 號的一種主動遙感技術。通過LiDAR可獲得高精度的地球表面及地表實體的高度信息，如 地形和植被等可達到亞米級的垂直精度。現有研究表明，LiDAR可穿透森林冠層獲得其三 維結構特征，特別適合植被覆蓋度高且森林結構復雜地區森林信息提取。
[0003] LiDAR技術在過去的十多年里逐步發展成熟并分化為多個分支，其中"大光斑" 全波形LIDAR(Big-FW-LiDAR)、"小光斑"離散點云LIDAR(Small-DR-LiDAR)被較早應用 在林業領域。由于Big-FW-LiDAR的地面光斑大小通常很大（如ICESat衛星搭載的GLAS 傳感器的光斑直徑為60-70m，光斑間隔為170m)，故基于此類LiDAR技術進行森林類型 分類的研究較為少見，進行樹種分類更加困難。Small-DR-LiDAR數據的光斑大小通常為 0. 2-3. 0m，記錄了離散的多次（以首次和末次為主）回波峰值（3D位置與強度）信息，采用 此類LiDAR數據進行森林分類通常需要與傳統光學遙感數據集成來實現。相比以上技術， "小光斑"全波形LIDAR(Small-FW-LiDAR)雖然起步較晚（直到2004年奧地利Riegl公司 才推出了世界上第一臺商業機載小光斑全波形LiDAR數字測量系統），但其數據處理和信 息提取方法研究已成為近年來的熱點。這是由于與Big-FW-LiDAR相比，Small-FW-LiDAR 可精確獲取單木冠層內的返回信號變化；與Small-DR-LiDAR相比，Small-FW-LiDAR記錄 了包括較小能量信號在內的所有回波信號，通過對波形數據進行處理，能夠檢測到更多的 目標物特征信息，理論上能夠更為豐富地反映不同樹種的結構特征。近年來為數不多的 Small-FW-LiDAR 樹種分類研究為：Reitberger 等 2008 年發表在《International Journal of Remote Sensing》第 29 卷的"Analysis of full waveform LIDAR data for the classification of deciduous and coniferous trees"，該研究在單木識別基礎上借助 (提取的）波形特征參數進行分類，從而區分了針葉林和闊葉林；Neuenschwander等2009 年發表在《Journal of Applied Remote Sensing》第 3 卷的 "Landcover classification of small-footprint, full-waveform lidar data",該研究在高斯波形分解的基礎上，通過 總結目標物參數對研究區內的不同地表覆蓋類型進行了分類。然而，以上方法僅適用于樹 種單一（如純林）或樹種組成較為簡單的森林分類研究，在林分組成和結構復雜的森林中 分類精度不高。
【發明內容】
[0004] 發明目的：針對現有技術中存在的不足，本發明的目的是提供一種基于LiDAR偽 垂直波形模型的樹種分類方法，使其具有操作方便，提取樹種時空變異信息準確，且性能穩 定等特點。
[0005] 技術方案：為了實現上述發明目的，本發明采用的技術方案如下：
[0006] -種基于LiDAR偽垂直波形模型的樹種分類方法，包括以下步驟：
[0007] 1)使用機載小光斑全波形LiDAR傳感器進行數據采集，獲得完整波形信息，采樣 間隔為Ins ;
[0008] 2) LiDAR波形數據預處理：包括噪聲水平估計和數據平滑、計算拐點、高斯擬合及 波形數據點云化、生成數字地形；
[0009] 3)通過波形結構化分解和綜合波形重組構建偽垂直波：首先利用三維體積單元 劃分地表以上的三維空間；然后在每個單元內，匯總穿過其中的最大脈沖能量并基于數字 地形模型進行高度歸一化；最后提取三維空間中垂直方向上的體元集合即為每束偽垂直 波；
[0010] 4)單木分割和信息綜合
[0011] a)將地面以上點云插值生成數字表面模型，然后減去數字地形模型從而得到歸一 化植被高度；
[0012] b)采用二維高斯濾波方法平滑CHM表面，其公式為：
[0013]
【權利要求】
1. 一種基于LiDAR偽垂直波形模型的樹種分類方法，其特征在于，包括以下步驟： 1) 使用機載小光斑全波形LiDAR傳感器進行數據采集，獲得完整波形信息，采樣間隔 為 Ins ; 2. LiDAR波形數據預處理：包括噪聲水平估計和數據平滑、計算拐點、高斯擬合及波形 數據點云化、生成數字地形； 3) 通過波形結構化分解和綜合波形重組構建偽垂直波：首先利用三維體積單元劃分 地表以上的三維空間；然后在每個單元內，匯總穿過其中的最大脈沖能量并基于數字地形 模型進行高度歸一化；最后提取三維空間中垂直方向上的體元集合即為每束偽垂直波； 4) 單木分割和信息綜合 a) 將地面以上點云插值生成數字表面模型，然后減去數字地形模型從而得到歸一化植 被高度； b) 采用二維高斯濾波方法平滑CHM表面，其公式為：
(1) 式中，X和y為到"內核"的距離；σ為4/π，6/π和8/π ; 采用二次拋物線表面模型擬合樹高，其公式為：
：2) 式中，X，y為像元所在位置，和y〇為表面中心，通過該模型綜合最佳分割尺度； C)借助單木分割提取的冠幅和樹高參數，在橢圓柱體范圍內匯總其中的所有偽垂直波 形，構成單木綜合脈沖；借助DTM對單木綜合脈沖進行歸一化處理； 5) 在單木范圍內匯總點云屬性并計算綜合波形特征參數； 6) 使用支持向量機分類器進行樹種分類：在研究區內均勻選取有代表性的一組數據 作為訓練數據，與其完全獨立的另一組作為檢驗數據；最后使用支持向量機分類器進行樹 種識別，并借助總體分類精度和卡帕系數對這兩個定量化指標對分類精度進行評價； 卡帕系數計算公式：
(3) 式中，r為總的類別數，Xii為對角線上的像元數，xi+和X+i是列和行的總像元，N是總像 元數。
2. 根據權利要求1所述的基于LiDAR偽垂直波形模型的樹種分類方法，其特征在于： 步驟2)中，噪聲水平估計和數據平滑為：首先把原始數據轉換到頻率域，再將頻率較高的 低值部分作為噪聲水平的判斷標準；然后選用高斯濾波器進行平滑。
3. 根據權利要求1所述的基于LiDAR偽垂直波形模型的樹種分類方法，其特征在于： 步驟2)中，高斯擬合（分解）及波形數據點云化為：對波形數據采用非線性最小二乘法進 行擬合，然后通過局部最大峰值檢測濾波算法從處理后的波形數據上提取離散點云。
4. 根據權利要求1所述的基于LiDAR偽垂直波形模型的樹種分類方法，其特征在于： 步驟2)中，生成數字地形為：首先對從波形數據中提取出離散點云進行分類，然后對末次 回波進行Kraus濾波處理用以去除非地面點，最后使用濾波后的末次回波數據并借助自然 鄰近法插值生成數字地形模型。
5. 根據權利要求1所述的基于LiDAR偽垂直波形模型的樹種分類方法，其特征在于： 步驟4)中，使用〇 =8/π算子的平滑結果將作為"最粗糙尺度"，而使用σ =4/π算子 的平滑結果將作為"最精細尺度"。
6. 根據權利要求1所述的基于LiDAR偽垂直波形模型的樹種分類方法，其特征在于： 步驟5)中，在單木范圍內匯總點云屬性并計算綜合波形特征參數包括： a) 單木分割的樹冠橢圓柱體范圍內，針對每組高斯分解后的點云，計算其屬性的均值、 最大值和最小值，以此作為單木的特征變量； b) 通過設置差異閾值對比DTM提取高度和對應位置上最后一個波峰所在高度，依此判 斷地形對應波峰位置； c) 提取特征變量：HOME、波形距離、高度中位數比、波峰數量、返回波形能量、冠層外層 粗糙度、前坡度角和VDR。
【文檔編號】G01S7/48GK104155638SQ201410259589
【公開日】2014年11月19日 申請日期:2014年6月11日 優先權日:2014年6月11日
【發明者】曹林, 許子乾, 代勁松, 汪貴斌 申請人:南京林業大學
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
