[发明专利]机载激光雷达点云数据CHM的梯度幅值增强Watershed单木分割方法

权利要求书

1.机载激光雷达点云数据CHM的梯度幅值增强Watershed单木分割方法，包括以下步骤：

步骤一：对点云数据进行滤波分类并生成数字高程模型、数字表面模型、冠层高度模型；

步骤二：利用高度冠层模型的相邻像素值骤变特点对凹洞无效值进行识别，并筛选出需要填充的目标凹洞无效值对其填充；

步骤三：利用填充优化后的冠层高度模型进行梯度幅值增强处理，通过水平方向的梯度矢量、垂直方向梯度矢量、方位角的综合考虑增强梯度幅值，以增强树冠边缘识别；

步骤四：对梯度幅值增强后的冠层高度模型图像进行掩膜干预分水岭单木分割，若发现存在某一个积水丘陵(单木树冠)有多个树顶点则进行形态学重建，之后进行第二次分水岭单木分割。

2.根据权利要求1所述的机载激光雷达点云数据CHM的梯度幅值增强Watershed单木分割方法，其特征在于，所述步骤一为了保留完整的冠层信息，采用克里金插值方法将地面点云数据和植被点云数据分别生成数字高程模型和数字表面模型，两个数字模型做差可以得到冠层高度模型。

3.根据权利要求1所述的机载激光雷达点云数据CHM的梯度幅值增强Watershed单木分割方法，其特征在于，所述步骤二利用拉普拉斯变换与冠层高度模型中比八邻域像素低n的可疑凹洞像素结合，得到第1个凹洞阈值L，结合形态学闭设定第2个阈值L_CLOSE，根据L和L_CLOSE两个阈值筛选出冠层高度模型中需要填充的凹洞无效值，利用中值滤波对原始冠层高度模型灰度图像C的每个凹洞值像素C[I_hollow]，使用中值滤波C_Median中的对应值C_Median[I_hollow]取代，完成冠层高度模型凹洞无效值填充优化。

4.根据权利要求1所述的机载激光雷达点云数据CHM的梯度幅值增强Watershed单木分割方法，其特征在于，所述步骤三通过对填充优化后的冠层高度模型水平方向梯度矢量P_x(x,y)、垂直方向梯度矢量P_y(x,y)、方位角θ(x,y)的综合考虑，得到增强后的梯度幅值M(x,y,θ)函数，结合梯度幅值最大值效应求取初始边界线，增强树冠边缘识别。

5.根据权利要求1所述的机载激光雷达点云数据CHM的梯度幅值增强Watershed单木分割方法，其特征在于，所述步骤四结合梯度幅值最大值效应求取初始边界线，通过此时的梯度P对填充后的冠层高度模型进行第一次掩膜干预下的分水岭分割，若发现存在某一个积水丘陵(单木树冠)有多个树顶点则进行形态学重建，之后进行第二次分水岭单木分割，从而减少树冠欠分割和过分割现象，达到提高单木分割正确度的目的。