基于主动轮廓演变模型的遥感影像单棵树木检测

单木检测是一种将遥感影像和计算机视觉技术相结合自动或半自动获取单棵树木信息的方法。针对复杂森林场景中大量树木相互覆盖的现象,以及树冠内部大量弱边缘导致的树冠顶点过度提取和树冠轮廓描绘不精细的问题,提出了一种基于主动轮廓演变模型的遥感影像单棵树木检测方法。该方法基于树荫和树木数量正相关的先验知识划分阴影控制区域并将区域形心作为树冠顶点;接着使用光照角度优化的形态主动轮廓演变模型(Snake模型)进行树冠轮廓描绘,使其可以越过弱边界点;最后依照形状特征优化树冠轮廓。实验结果表明,该方法提高了复杂森林场景下的单棵树木信息提取的准确度,降低了树冠顶点提取过程的误识率,使树冠轮廓形状更加准确。

基于形态Snake模型的遥感影像的单木树冠检测算法

单木树冠检测可以辅助林业统计获取诸如树冠位置、冠幅、胸径等信息,对发展精准林业具有重大意义。针对单木树冠检测中树冠轮廓描绘不精确的问题,文中提出了一种基于形态Snake模型的遥感影像的单木树冠检测算法。该算法首先对林区特征进行了分析,然后使用局部极值法对林区特征图和距离变换图提取树冠顶点,最后根据树冠顶点为所有树冠初始化形态Snake模型轮廓,并迭代进行轮廓演变,得到最终的树冠轮廓。为了验证方法的有效性,对比分析了区域生长法、模板匹配法、分水岭法和所提出的形态Snake模型法。实验结果表明,所提方法的检测结果更准确,树冠轮廓更接近实际形状,与其他已有方法相比,整体检测得分提高了6%,面积平均差降低了0.5m2。