[发明专利]基于不同特征自动分割的树木提取方法

权利要求书

1.基于不同特征自动分割的树木提取方法，其特征在于：包括以下步骤：

S1：数据预处理，首先，对输入点云的每一个点，计算其到所有临近点的距离，并计算距离的平均值D_mean和标准差D_s；其次，利用计算的距离的平均值和标准差根据公式D_max＝D_mean+n*D_s定义一个最大距离；最后，将一个点到其所有临近点的距离的平均值与定义的最大值进行比较，如果距离的平均值大于最大距离，则该点就被定义为离群值，并将其从原始点云数据中删除；

S2：多源遥感数据配准，对经过预处理的点云数据以栅格格式逐点内插建立DSM，调整DSM图像像素分辨率大小，使其与正射图像相一致；

S3：数据特征选取，将航空正射影像数据反射光谱的归一化差异植被指数NDVI和激光雷达DSM数据的局部熵值结合在一起，作为树木提取特征；

S4：阈值选取，结合直方图减法思想得到NDVI和DSM局部熵两种特征的特征阈值，通过两种特征阈值提取树木候选区域。

2.根据权利要求1所述的基于不同特征自动分割的树木提取方法，其特征在于：还包括以下步骤：光照区域和阴影区域分离；基于光照区域和阴影区域分离思想，利用正射影像平均灰度值为亮度值，使用大津阈值法确定亮度阈值来划分正射影像中初始阴影区域和光照区域，再设定面积阈值Ta，当某个初始阴影区域的阴影面积大于Ta时就识别为最终阴影区域，当该初始阴影区域的阴影面积小于等于Ta时就识别为最终光照区域，初始光照区域默认为就是最终光照区域；通过两种特征阈值在最终光照区域和阴影区域中提取树木候选区域。

3.根据权利要求1或2所述的基于不同特征自动分割的树木提取方法，其特征在于：利用直方图减法思想得到特征阈值的具体步骤包括，首先做出NDVI和DSM局部熵这两种特征的初始直方图，其次针对NDVI特征初始直方图的每个区间，保留DSM局部熵初始直方图中对应区间高于当前NDVI区间值的DSM局部熵部分作为新的DSM局部熵特征直方图，然后利用新的DSM局部熵特征直方图除以DSM局部熵初始直方图得到该特征的保留直方图，最后各区间保留直方图相加得到该特征的减法变换直方图，利用公式TH＝(1-C)×Valley+C×Peak可以得到DSM局部熵特征的特征阈值，式中Valley和Peak分别为减法变换直方图波谷和波峰,C为0-1范围内的一个参数，再次针对DSM局部熵初始直方图的每个区间，保留NDVI初始直方图中对应区间高于当前DSM区间值的NDVI部分作为新的NDVI特征直方图，然后利用新的NDVI特征直方图除以NDVI初始直方图得到该特征的保留直方图，最后各区间保留直方图相加得到该特征的减法变换直方图，利用公式TH＝(1-C)×Valley+C×Peak可以得到NDVI特征的特征阈值。

4.根据权利要求2所述的基于不同特征自动分割的树木提取方法，其特征在于：通过两种特征阈值在最终光照区域和阴影区域中提取树木候选区域的过程为：首先利用NDVI特征阈值来划分光照区域和阴影区域的植被候选区域和非植被区域，高于阈值的是植被候选区域，低于阈值的为非植被区域；其次通过DSM局部熵特征阈值来对植被候选区域中的树木和草地植被进行划分，其中低于阈值的为草地，高于特征阈值的为树木候选区域。

5.根据权利要求1或2或4所述的基于不同特征自动分割的树木提取方法，其特征在于：利用图像形态学开闭运算，对树木候选区域进行平滑处理，提高树木区域的提取精度。