[发明专利]一种面向树木激光点云的有效特征抽取与树种识别方法

说明书

本发明公开了一种面向树木激光点云的有效特征抽取与树种识别方法，包括：获取目标树的全覆盖点云数据；对目标树的全覆盖点云数据进行降噪处理以去除异常点；根据降噪后获得的点云数据分别分析目标树的三种类别的树木特征；抽取基于树木相对聚类特征的最优特征参数组；抽取基于点云分布特征的最优特征参数组；抽取基于树木表观特征的最优特征参数组；将三种类别的树木特征的最优特征参数组进行组合并作为变量输入到SVM分类器中进行树种分类。本发明达到了较高的树种分类精度，为获得更准确的森林树种分布提供了强有力的工具，减少了野外实体调查的高成本、费时、费力，减少了人工判读带来的误差。

技术领域

本发明涉及树种分类技术领域，具体涉及一种面向树木激光点云的有效特征抽取与树种识别方法。

背景技术

森林作为地球上可再生自然资源及陆地生态系统的主体，它为人类的生存和发展提供了丰富的物质资源，在维持生态过程和生态平衡中发挥着重要的作用。正确的识别森林物种是利用和保护森林资源的基础和依据。在过去的四十年中，遥感技术的进步使得树种分类在几种传感器类型中得以实现。现阶段的树种分类方法大多依赖于一些高成本、费时、费力的野外实体调查方法或精确度不高的航片来进行人工判读。

目前许多研究从各个方面对树种分类问题进行了探讨，例如利用树冠内部信号特征作为附加特征对树木内部参数和大小尺寸进行鲁棒性评估；利用归一化差异植被指数作为特征参数在树种多样性相当大的情况下对树种进行分类；利用频谱变量选择与PLS-DA相结合在不受分类器约束的情况下提高随机树种分类精确度；使用平均加权算法提取高光谱图像中冠层像素加权光谱并进行有效分析；提出用于树冠层次上树种分类的半监督支持向量机分类器；检测树种之间冠聚集偏态属性的差异；制定基于静态TLS的树种分类程序；然而具体到特定树种的分类，基于单株树的LiDAR数据提取特征研究则相对较少，而以一定的算法进行最优特征提取的研究更是鲜有报道。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足提供一种面向树木激光点云的有效特征抽取与树种识别方法，本面向树木激光点法云的有效特征抽取与识别方法提出三类有效特征：树木相对聚类特征、点云分布特征和树木表观特征，列举多个特征参数供最优特征抽取，采用SVM分类器在交叉验证中确定最优特征参数组，利用最优特征参数组进行树种分类，达到了较高的树种分类精度，为获得更准确的森林树种分布提供了强有力的工具，减少了野外实体调查的高成本、费时、费力，减少了人工判读带来的误差。

为实现上述技术目的，本发明采取的技术方案为：

一种面向树木激光点云的有效特征抽取与树种识别方法，包括：

步骤1：获取目标树的全覆盖点云数据；

步骤2：对目标树的全覆盖点云数据进行降噪处理以去除异常点；

步骤3：根据降噪后获得的点云数据分别分析目标树的三种类别的树木特征，所述三种类别的树木特征分别为树木相对聚类特征、点云分布特征和树木表观特征，从而获得多个树木相对聚类特征参数、多个点云分布特征参数和多个树木表观特征参数；

步骤4：将所有树木相对聚类特征参数按类别分别进行交叉组合，将得到的所有组合方式作为SVM分类器的输入变量进行分类，获得所有组合方式的分类精度，根据分类精度抽取基于树木相对聚类特征的最优特征参数组；将所有点云分布特征参数进行交叉组合，将得到的所有组合方式作为SVM分类器的输入变量进行分类，获得所有组合方式的分类精度，根据分类精度抽取基于点云分布特征的最优特征参数组；将所有树木表观特征参数进行交叉组合，将得到的组合方式作为SVM分类器的输入变量进行分类，获得所有组合方式的分类精度，根据分类精度抽取基于树木表观特征的最优特征参数组；

步骤5：将基于树木相对聚类特征的最优特征参数组、基于点云分布特征的最优特征参数组以及基于树木表观特征的最优特征参数组进行组合并作为变量输入到SVM分类器中进行树种分类。