结合机载激光雷达与高光谱影像的图割三维树木勾绘方法
计算机视觉与模式识别
2017-01-25 v1
摘要
在遥感影像中识别单株树木在森林生态与管理中有重要应用。已有若干树木勾绘算法被提出，大多基于在由光探测与测距（LiDAR）数据或照片得出的栅格冠层高度模型（CHMs）中定位局部极大值或倒置盆地。然而，由于栅格CHM信息量有限，这些算法常导致森林林分特征估计不准确。本文我们开发了一种三维树木勾绘方法，利用图割从完整三维LiDAR点云中勾绘树木，并同时利用任何可用的光学影像（本例中为高光谱影像）。首先，使用常规方法在CHM中定位局部极大值并生成初始树木图。其次，从LiDAR点云构建图，并与高光谱数据融合。为计算效率，使用鲁棒PCA降维高光谱影像的特征空间。第三，对图施加多类归一化割，利用初始树木图约束簇的数量与位置。最后，若有需要，使用递归归一化割细分初始分析确定的每个簇。我们称此方法为多类割后接递归割（MCRC）。MCRC的有效性使用三个数据集测试：i) NewFor，ii) 意大利阿尔卑斯山针叶林，iii) 英国落叶林。MCRC性能通常优于其他勾绘方法，且通过纳入高分辨率光学影像进一步提升。由于MCRC在三维中勾绘整个LiDAR点云，它允许测量单株树冠特征。通过充分利用可用数据，图割有潜力显著改善树木勾绘精度。
引用
@article{arxiv.1701.06715,
title = {A graph cut approach to 3D tree delineation, using integrated airborne LiDAR and hyperspectral imagery},
author = {Juheon Lee and David Coomes and Carola-Bibiane Schonlieb and Xiaohao Cai and Jan Lellmann and Michele Dalponte and Yadvinder Malhi and Nathalie Butt and Mike Morecroft},
journal= {arXiv preprint arXiv:1701.06715},
year = {2017}
}