基于机载激光雷达技术的茂密林地单株木识别

提出一种利用LiDAR数据进行单株木识别的方法,首先利用广义高斯模型分解全波形LiDAR数据,得到高密度的点云和相应的波形参数,通过建立数字高层模型得到非地面点云,然后计算点云的空间特征得到林木点云,最后在3D空间中利用马尔可夫随机场重新标记得到单株木点云.实验表明,与传统方法相比,本文方法能有效提高单株木识别的准确性,特别是对茂密林地中低矮、细小林木识别效果明显,平均识别精度达到75％.     

湖北省传染性非典型肺炎监测网络的建立及其效果评估

利用最优停时理论给出了股票投资中买入和卖出的最佳停时策略,得到一个股票投资两次最优停时的一般性结论.     

基于标记控制分水岭算法的树冠高程模型分割

树冠高程模型是树冠表面模型和数字高层模型的差值,是森林资源调查的重要数据源。笔者提出利用标记控制分水岭算法进行树冠高程模型分割的方法,首先用高斯滤波平滑树冠高程模型,对树冠边缘做初步检测,然后利用形态学重构方法进行树冠形状确认,在此基础上进行二值图像的距离变换和h-minima变换,并标记树冠顶部,最后对实验数据进行分水岭分割,实现单株木树冠边缘勾勒。误差分析表明,该方法能有效提高分割正确率,当结构元素和h-minima变换中的参数分别等于3、1.5时,树冠分割正确率为78.5%。     

利用机载激光雷达的林木识别与参数反演

为了提高利用机载激光雷达林木识别精度,以全波形激光雷达分解数据为基础,首先利用控制标记分水岭算法对树冠高程模型进行分割,初步确定单株木位置;然后结合单株木结构特征,在三维空间中利用马尔可夫随机场进行单株木点云分割;最后,使用9个样地实测数据对激光雷达反演的林木参数进行回归分析验证。结果表明：单株木识别率为76%,位置误差均值和方差分别为0.67、0.19 m,单株木树高、树冠直径和胸高径的RMSE分别为1.03 m（4.57%）、0.56 m（10.48%）、3.01 cm（11.01%）,样地断面积和材积的RMSE分别为2.42 m2/hm2（8.11%）和17.83 m3/hm2（9.11%）。本研究能有效提高单株木点云分割精度,能满足单株木和林分参数反演要求,提高林业调查的自动化程度。