[发明专利]一种基于无人机高光谱影像和LiDAR点云的树种分类方法

摘要

本发明公开了一种基于无人机高光谱影像和LiDAR点云的树种分类方法，涉及森林资源管理与保护技术领域，通过无人机高光谱影像数据得到高光谱影像中的光谱特征，通过LiDAR点云数据得到森林的冠层高度模型以及森林参数，进而通过高光谱影像中的光谱特征、森林的冠层高度模型以及森林参数建立树种模型，最后将树种模型应用于高光谱影像数据，获得树种分类的空间分布专题图。由于无人机高光谱影像数据具有空间分辨率高和光谱信息丰富的优点，而LiDAR点云数据具有丰富的植被结构信息，本发明实施例中将无人机高光谱影像数据和LiDAR点云数据结合起来进行树种分类，可以提高树种的分类精度。

主权项

1.一种基于无人机高光谱影像和LiDAR点云的树种分类方法，其特征在于，所述方法包括：获取森林的无人机高光谱影像数据，并对所述高光谱影像数据依次进行几何校正、辐射校正以及大气校正，得到所述森林的冠层反射率；根据所述冠层反射率提取所述高光谱影像数据的光谱特征，所述光谱特征分别为特征波段、纹理特征以及植被指数；获取所述森林的LiDAR点云数据，对所述LiDAR点云数据进行数据去噪得到去噪点云数据，对所述去噪点云数据进行滤波得到非地面点点云数据以及地面点点云数据；根据所述非地面点点云数据得到数字表面模型，根据所述地面点点云数据得到数字高程模型，利用所述数字表面模型和所述数字高程模型得到所述森林的冠层高度模型；对所述地面点点云数据进行归一化处理，得到归一化点云数据，根据所述归一化点云数据提取森林参数，所述森林参数分别为高度变量、强度变量、郁闭度、叶面积指数以及间隙率；应用随机森林工具根据所述光谱特征、所述冠层高度模型和所述森林参数，选取所述高光谱影像数据中的样本点数据进行训练，得到训练数据，同时根据基尼指数变量重要性值确定所述光谱特征和所述森林参数中的预测变量，基于所述训练数据和所述预测变量应用所述随机森林工具建立树种模型；将所述树种模型应用于所述高光谱影像数据，获得树种分类的空间分布专题图。