[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

说明书

本发明涉及激光雷达数据处理技术领域，且公开了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。该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，利用冠层高度模型的相邻像素值关系识别出凹洞无效值，筛选需要填补的凹洞无效值，并对目标冠层高度模型凹洞无效值进行填充；最后进行梯度幅值增强Watershed单木分割，从而实现高密度及低密度林地数据的单木树冠准确分割，解决单木分割的欠分割或过分割问题。

技术领域

本发明涉及激光雷达数据处理技术领域，具体为一种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。

背景技术

以激光雷达技术为代表的遥感技术在林业调查监测工作中起着不可代替的作用，与被动式遥感技术相比，机载激光雷达技术多回波特性可以有效穿透冠层获取森林垂直结构参数，在树冠顶点和冠层的提取具有很大优势。

目前，由于机载激光雷达点云生成冠层高度模型图像的复杂性，导致了在森林资源勘测领域相邻树冠分割不准确，目前基于先进行树冠探测再描绘树冠轮廓的分割方法常见于分水岭分割，该分割方法的优点是：速度快、简单和直接，但同样也存在缺点：对被分割影像的边缘强度和树冠联通紧密性有较强的依赖性，且对图像上的凹洞无效值较敏感，影像上树冠区域的轮廓模糊、树冠紧密、存在凹洞无效值都将导致单木分割的欠分割或过分割。

综上所述，为了解决传统Watershed单木分割方法的过分割和欠分割问题，有必要提出一种新的树冠分割方法，从而解决以上问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了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，具备实现高密度及低密度林地数据的单木树冠准确分割等优点，解决了单木分割的欠分割或过分割的问题。

(二)技术方案

为实现上述实现高密度及低密度林地数据的单木树冠准确分割的目的，本发明提供如下技术方案：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。

优选的，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。

优选的，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。