[发明专利]面向对象的遥感影像树冠轮廓及参数自动提取方法及系统

权利要求书

1.一种面向对象的遥感影像树冠轮廓及参数自动提取方法，其特征在于，所述方法包括如下步骤：

数据获取步骤，获取林地遥感影像；

预处理步骤，预处理所述遥感影像，获取预处理后的遥感影像数据；

单一林分影像信息提取步骤，在所述预处理后的遥感影像上叠加林相图，以林相图小班边界为裁剪区域，裁出林相图中每一个小班对应的影像信息，提取单一林分影像信息；

分割步骤，利用最大稳定极值区的方法，分割所述单一林分影像信息的树冠和背景区域，并生成树冠对象；

单木树冠提取步骤，在所述树冠对象为多木树冠的情况下，提取单木树冠，并勾绘出树冠轮廓，生成单木树冠分布图；

树冠因子计算步骤，计算所述树冠分布图树木的个数和每一棵树的树冠因子，所述树冠因子包括冠幅、面积和中心点坐标；根据所述中心点坐标分布显示树冠因子信息，按比例显示林地树冠的空间分布。

2.根据权利要求1所述的面向对象的遥感影像树冠轮廓及参数自动提取方法，其特征在于，

所述数据获取步骤还包括：获取1∶10000数字化地形图、数字化林相图和外业差分全球定位系统的控制点数据；

并且，所述预处理步骤为：

以所述1∶10000数字化地形图，结合所述外业差分全球定位系统的控制点数据，对获取的高空间分辨率遥感影像进行正射纠正。

3.根据权利要求2所述的面向对象的遥感影像树冠轮廓及参数自动提取方法，其特征在于，所述分割步骤中，所述最大稳定极值区依据下述方法获取：

尝试分割步骤，将所述单一林分影像的所有可能值作为尝试的阈值；假设低于所述尝试阈值的像素为树冠区域，高于所述尝试阈值的像素为背景区域；将所有所述尝试阈值从最小值逐渐变到最大值，依次对所述单一林分影像进行分割；

统计步骤，记录局部目标区域出现合并的尝试阈值，并统计在该尝试阈值下，每个局部目标区域的面积；

分割阈值确定步骤，当达到某一所述尝试阈值时，所述局部目标区域的面积会明显增大，则认为该阈值是局部目标区域与背景的分割阈值；

分割步骤，依据所述分割阈值，将所述单一林分影像进行分割，获取一个最大稳定极值区域，该最大稳定极值区域即为所述树冠，其余区域为所述背景区域。

4.根据权利要求3所述的面向对象的遥感影像树冠轮廓及参数自动提取方法，其特征在于，所述单木树冠提取步骤中，还包括判断所述分割步骤中获取的树冠对象是否为假树冠和多木树冠的步骤，具体包括：

假树冠判断步骤，根据林分单木树冠的最小面积，设定一个阈值；若所述树冠对象的面积小于该阈值，则确定该树冠对象为假树冠，并删除该假树冠对象；

多木树冠判断步骤，根据树冠对象的近圆系数或树冠对象的面积判断是否是多木树冠。

5.根据权利要求4所述的面向对象的遥感影像树冠轮廓及参数自动提取方法，其特征在于，所述单木树冠提取步骤中，所述提取单木树冠包括如下步骤：

利用基于双向链表的树冠对象边界跟踪法提取单木树冠，其中，所述双向链表用于存储所述树冠对象边缘轮廓像素点在图像上的坐标。

6.根据权利要求5所述的面向对象的遥感影像树冠轮廓及参数自动提取方法，其特征在于，所述基于双向链表的树冠对象边界跟踪法提取单木树冠包括如下步骤：

交界线确定步骤，搜索所述多木树冠对象边缘链表上的每一个节点，在影像上以该节点为探测窗口中心，窗口大小为n×n，n＝2b/a，其中，a为空间分辨率，b为两棵树冠交界线的最大宽度，提取窗口范围内的所有树冠边缘点，存放在集合S中；在双向链表中，以被检测节点为起始点，向前移动n步或向后移动n步，如果无法遍历集合S的所有元素，则说明该节点位于树冠相接区域，是待分割的像素点；而窗口中无法到达的树冠边缘点，是另一侧待分割像素点；对每一个得到的另一侧待分割像素点，计算其与当前节点的距离，最后保留距离最小的一对分割点；依照此方法，将获取的所述要进行分割的像素点连接起来，进而确定所述多木树冠对象中相连树冠的交界线；

单木树冠提取步骤，根据交界线将该对象分为两个子对象，对每一个子对象，分别执行所述多木树冠判断步骤，若判断结果仍为多木树冠对象，继续执行所述交界线确定步骤，直到所有对象均为单木树冠对象，则提取完毕。