专利名称：基于高空间分辨率遥感影像的树冠信息提取方法和系统的制作方法
技术领域：
本发明涉及树冠信息提取的技术领域，尤其涉及一种基于高空间分辨率遥感影像 的树冠信息提取方法和系统。
背景技术：
目前多采用实际林分单株冠幅定量测量方法来获得单株树冠的轮廓等参数。该方 法以树干为中心，分别测量树干8个方向或4个方向的半径，然后用圆形或椭圆形的近似方 法获得单株树冠的轮廓，并进而估算单株树冠的大小，该方法工作量大，费用高，估测频率 低，很难获取连续的观测数据，还不能为森林资源管理提供及时准确的决策支持。基于高分辨率遥感影像，树冠识别方法主要有基于局部最大值的方 法(local maximum,简称 LM)(Blazquez，1989 ;Dralle et al,1996),基于轮廓的 方法(Contour-based,简称 CB) (Pinz, et al, 1993 ；Gougeon，1995)、模板匹配法 (template-matching,简称 TM)(Pollock，1996 ;Tarp-Johansen，2002)、3D 模型法 (3D-model) (Sheng et al,2001 ；Gong et al, 2002) > E J|!c±1 ^ fe (region growing, M 称 RG) (Brandtberg and Walter, 1998 ；Culvenor, 2002 ；Erikson, 2003)以及分水岭分割 法(Watershed Segmentation，简称 WS) (Gonzalez and Woods, 2002, Wang et al. ,2004, Najman et al. ,2005)。LM法的主要原理是假设树冠反射的峰值位于或非常接近于树顶，因而通过图像滤 波找到局部最大值，即可最终探测出树顶位置。该方法虽然具有简单快速的优点，但当图像 受背景干扰和照度发生变化时，容易产生多个局部最大值。其树冠识别的性能会大大下降。CB法主要的策略是用边缘探测法检测树冠边界，也即主要是尝试发现树冠和其背 景的分隔线。在较精细比例尺下，可以比较精确地确定一个树冠的所有树枝，树枝占据了大 部分的强度变化；在较粗比例尺下，相邻树冠会相互连接。这样，一簇树成为变化发生的地 方，因此实际中发现合适的比例严格地与单株树冠边界相适应是非常困难的。TM法主要包括模型生成和模板匹配两个过程。考虑了树的外观所表现出的不同大 小和形状，对不同树种的各种参数构建不同的数学模型。首先考虑树的几何形状和辐射特 征，一旦获取了这些知识，就通过一个移动窗口去搜索最可能是树的最佳匹配位置。3D法目前不太成熟，已有的一种具体应用是基于模型的图像匹配去获取一个树冠 的表面重建完成树冠提取，树冠表面模型考虑到树冠形状、照度和传感器模型等等。面向对 象的该树冠提取方法，手续繁琐，每次要高度参数，提取结果稳定性不好。RG法依据影像的光谱特性进行分割，利用单木树冠探测过程中产生的树冠中心点 作为种子点，以种子点的光谱值为起始点，设定一个阈值，判断周围邻域内各点的光谱值是 否与种子点相近，若二者光谱距离小于阈值，则二者属于同一树冠区域，将其合并到种子点 所在的区域中，反之，则不属于该树冠区域。WS法是基于数学形态学，将影像的光谱值考虑为起伏的地形，先将原始影像生成 梯度图像，然后将梯度图像进行边缘细化的处理，最后搜索梯度图像的局部最大值，这些局部最大值即为树冠边界。分水岭算法对微弱边缘敏感，但分水岭算法具有过度分割的特点， 需要对图像进行预处理或后处理。在航空图像上的树冠提取效果不错，不过对于卫星图像， 由于图像的空间分辨率与树冠大小相比并不是足够高，因此对于卫星图像，树冠提取效果较差。以上方法都是在具体图像和景观条件下提出来的，基于上述都是相对较单纯的林 分条件下，林分郁闭度较低，树冠普遍较均勻的前提下才适用的。对于郁闭度较高的成片林 分，现有研究方法，很难精确估计单株树冠。因此，现有方法不适于进行林区林分冠幅尺寸 的定量估计。

发明内容
本发明的目的在于提供一种基于高空间分辨率遥感影像的树冠信息提取方法和 系统。一方面，本发明提供了一种基于高空间分辨率遥感影像的树冠信息提取方法，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，对所述遥感影像预 处理，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；单木树冠提取步骤，在所述树冠区域为多木树冠区域情况下， 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，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。上述树冠信息提取方法，优选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。上述树冠信息提取方法，优选所述分割步骤中，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及为所述树冠，其余区域为所述 背景区域。上述树冠信息提取方法，优选所述单木树冠提取步骤中，使用逐层收缩法和条件 生长法提取单木树冠，包括如下步骤放大步骤，在进行最大稳定极值区分割后，用最邻近 重采样方法将影像放大4倍；收缩步骤，用逐层收缩法标记单木树冠中心位置；生长步骤， 用条件生长法提取单木树冠；根据林分单木树冠的最小尺寸，设定一个阈值；假树冠判断 步骤，若提取的所述单木树冠的面积小于该阈值，则确定提取的该单木树冠为假树冠，并删除该假树冠区域。另一方面，本发明还提供了一种基于高空间分辨率遥感影像的树冠信息提取系 统，所述系统包括数据获取模块，用于获取林地遥感影像；预处理模块，用于对所述遥感 影像预处理，获取预处理后的遥感影像数据；单一林分影像信息提取模块，用于在所述预处 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；分割模块，用于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，提取树冠区域；单木树冠提取模块，用于在所 述树冠区域为多木树冠区域的情况下，提取单木树冠，并勾绘出树冠轮廓，生成单木树冠分 布图；树冠因子计算模块，用于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，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。上述树冠信息提取系统，优选所述数据获取模块进一步用于获取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，所述预处理模块进 一步用于以所述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。上述树冠信息提取系统，优选所述分割模块中，还包括尝试分割模块，用于将所 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；统计模块，用于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；分割阈值确定模块，用于当达到某 一所述尝试阈值时，所述局部目标区域的面积会明显增大，则确认该阈值是局部目标区域 与背景的分割阈值；分割模块，用于依据所述分割阈值，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及为所述树冠，其余区域为所述背景区域。上述树冠信息提取系统，优选所述单木树冠提取模块包括放大模块，用于在进行 最大稳定极值区分割后，用最邻近重采样方法将单一林分影像放大4倍；收缩模块，用于用 逐层收缩法标记单木树冠中心位置；生长模块，用于用条件生长法提取单木树冠；假树冠 判断模块，用于根据林分单木树冠的最小尺寸，设定一个阈值；若提取的所述单木树冠的面 积小于该阈值，则确定提取的该单木树冠为假树冠，并删除该假树冠区域。相对于现有技术而言，本发明在树冠包含像素点较少的情况下很好的分离连接树 冠，使分离出的单木树冠产生很小的失真，而且运算效率高。进而，可以有效的提高森林资 源调查的效率和自动化程度，及时准确地获取森林资源信息，节省人力物力。


图1为本发明基于高空间分辨率遥感影像的树冠信息提取方法实施例的步骤流 程图；图2为逐层收缩和条件生长法提取单木树冠流程图；图3为逐层收缩法标记单木树冠流程图；图4为条件生长法提取单木树冠流程图5为本发明基于高空间分辨率遥感影像的树冠信息提取系统实施例的结构框 图。
具体实施例方式为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实 施方式对本发明作进一步详细的说明。参照图1，图1为本发明基于高空间分辨率遥感影像的树冠信息提取方法实施例 的步骤流程图，包括如下步骤数据获取步骤110，获取林地遥感影像；预处理步骤120，对所述遥感影像预处理， 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130，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140，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，并提取树冠区域；单木树冠提取步骤150，在所述树冠区 域为多木树冠区域的情况下，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160，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，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。下面，对上述各个步骤进行详细的说明。1)数据获取步骤(A)影像数据获取林地的高空间分辨率遥感影像，可以是航空数字影像或高分 辨率卫星影像。(B)l 10000数字化地形图(C)数字化林相图(D)外业差分全球定位系统高精度控制点数据。2)遥感影像的预处理以1 10000数字化地形图，结合外业高精度GPS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)单一林分影像信息提取在上述正射遥感影像上，叠加森相图，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。4)利用最大稳定极值区(MSER)方法分割树冠和背景区域用MSER方法分割树冠区域，一个MSER (最大稳定极值区)就是对局部图像选择适 当的阈值而得到连通分量，并对这些连通分量的平稳性进行检测获得最终的平稳区域。树 冠可以认为是光谱值比较接近的一些区域。算法描述将一幅图像的所有可能值，作为阈值。假定低于阈值的像素为树冠区 域，高于阈值的像素为背景区域。将阈值从最小值逐渐变到最大值，在一些阈值上，目标区 域会出现合并。统计每个局部目标区域的面积，当达到某一阈值时，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。分割后的树冠区域即为一个 最大稳定极值区域。MSER算法结果类似于一种局部最优化阈值选择的算法。一般的阈值分割算法，在整幅图像范围内采用同一个阈值对图像进行分割，当图像范围较大，纹理特征较丰富时，单 一阈值并不能起到好的分割效果。MSER算法，对每个局部目标区域采用独立的阈值。在图 像的局部区域进行生长，直至得到极值稳定区域(也就是树冠区域)。算法本质就是在不同 区域范围内，生成自适应的分割阈值，得到了较好的分割效果。这种面向目标区域的分割与 基于局部最大值方法相比，避免了局部极值点选取的不确定性，提高了目标选取的稳定性。 针对树冠目标区域识别，不易受噪声干扰，在照度发生变化时，也会有较稳定的效果。5)单木树冠自动提取林地中的树木生长到一定年限，树冠间通常相互连接，即郁闭度增大。在林业资 源调查中，很多场合关心的是单个树木的特性，如它的树冠大小形状或特征参数等。因此， 需要找出树冠间的连接线，分离相连树冠，达到单木提取的目的，这也是统计林分树木个数 和计算树冠因子的基础。单木树冠的提取方法主要是从多木树冠区域中分离出单木树冠区 域。这里的多木树冠是指两个或两个以上树木彼此相连的树冠区域。本发明针对影像分辨率相对较低，影像中要提取的单木树冠包含的像素点较少的 情况，提供了一种逐层收缩与条件生长法相结合的方法。逐层收缩法在像素点较少时，能充 分利用较少的形状信息；并且通过收缩和生长，可以很好的分离连接树冠。这种方法在树冠 包含像素点较少的情况下，使树冠形状在收缩和生长过程中不易失真，而且运算效率高。下面，说明逐层收缩和条件生长法从多木树冠中提取单木树冠。在进行MSER分割后，提取出树冠区域，对树冠区域采用逐层收缩与条件生长法可 以提取单木树冠。本算法将相互连接的树冠看成是若干相互连通的区域，先将连通区域做 标记，为形态学的算法提供标记图像，通过收缩与生长运算，检测出图像所包含的单个树 冠，并提取出轮廓信息。参照图2，对该方法作出详细说明。a)图像重采样放大在进行MSER分割后，用最邻近重采样方法将影像放大4倍。这样既可以保持原有 图像的形状，又可以保证有足够大的区域进行形态学的操作。根据实验，放大4倍以上时， 结果与放大4倍无明显差别。b)逐层收缩法标记单木树冠中心位置逐层收缩法进行处理时，只能使图像中存在的连通区域缩小而不能使其消失。处 理结果是每个区域收缩成一个点或无内点的小区域，这个点或小区域称为核心区域。每个 核心区域即对应一个树冠。这样，通过对这些核心区域计数就可以知道图像中单木树冠的 位置与总数。在进行收缩处理时不使图像中原来存在的连通区域消失，使区域收缩为孤立的核 心区域。实现的关键在于不使区域消失及何时结束收缩过程。收缩操作的输入图像和输出图像应分开。操作步骤如下步骤1，对二值图像进行欧氏距离变换，生成距离图。步骤2，将距离图中的所有非零像素的像素值减1。步骤3，检测输入图像中的所有连通区域。根据输入图像中的连通区域，在输出图 像相应位置检查是否还存在非零像素，若某区域在输出图像中已不存在非零像素，则在输 出图像上恢复该区域，使它不至于消失。
8
步骤4，若输出图像中所有区域都需要进行恢复，则终止过程。图3示出了上述4个步骤。c)条件生长法提取单木树冠条件生长法使区域边缘向外扩展一个像素叫做一次生长。条件生长并不是无限 制的生长，它只能在原始图像的区域范围内生长，同时还需要使标记出来的核心区域在生 长过程中不能连接在一起。经过这两个步聚，原来连接在一起的区域就被彼此分离开了。参照图4，图4为条件生长法提取单木树冠流程图，操作步骤如下步骤1，使每个区域向外生长一个像素。步骤2，在每次生长处理后通过输入、输出图像的“异或”找出本次生长新增加的像
o步骤3，在生长输出图像中检测新增像素，若它为内点则除去此像素。步骤4，检查每个新增的像素，若此像素在原始图像中的背景区域，则除去此像素。步骤5，在生长输入图像中检测新增像素的连接数，若它的连接数大于1则也除去 此像素。步骤6，在检测过程中对没有删除的新增像素进行计数。此数为0则终止长生过程。d)假树冠区域去除根据林分单木树冠的最小尺寸，设定一个阈值；若所述树冠区域的面积小于该阈 值，则确定该树冠区域为假树冠，并删除该假树冠区域。6)树冠因子计算为了实现树冠因子的快速提取，在树冠分布图的基础上开发了树冠因子的自动提 取技术。(1)设计与功能算法设计采用面向对象编程技术，对栅格图进行处理。根据上述 对单木树冠轮廓的提取，生成树冠分布图。该算法就是计算出图中每一棵树的树冠因子冠 幅，面积，中心点坐标，并根据中心点坐标分布式显示树冠因子信息，按比例显示成活树的 空间分布。(2)算法实现图像是以行为单位存储的像素集合。将树冠分布图看成一个森 林对象Forest，它是树对象的集合Forest = {Tree_l, Tree_2,…Tree_n}，为了便于树 对象的生成和管理，引入了线段对象。树对象是由若干线段对象组成Tree{Segmentl， Segment2…Segmentn}，线段对象(Segment)属性有图像中行号，起点位置，终点位置。图 像文件每一行当作是一个线段集合USegment_l，Segment_2，…，Segment_m}，整个图像文 件看成一个行集合F{Line_l，Line_2，…，Line_n}。因此，每一棵树是由上下相邻的nl 个线段 segment 组成的集合 Tree {Segment」，Segment_2，...，Segment_nl}。其中，最长的 线段即为树木的东西宽，线段数目nl即为树木的南北宽，所有线段的总长即为树的面积， 树冠的长宽推算出中心点坐标。据此可以绘制成活树的空间分布图。另一方面，本发明还提供了一种基于高空间分辨率遥感影像的树冠信息提取系 统，参照图5，包括数据获取模块50，用于获取林地遥感影像；预处理模块51，用于对所述遥感影像 预处理，获取预处理后的遥感影像数据；单一林分影像信息提取模块52，用于在所述预处理后的遥感影像上，叠加森相图，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；分割模块53，用于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，并提取树冠区域；单木树冠提取模块54， 用于在所述树冠区域为多木树冠区域的情况下，提取单木树冠，并勾绘出树冠轮廓，生成单 木树冠分布图；树冠因子计算模块55，用于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，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。以上对基于高空间分辨率遥感影像的树冠信息提取方法做了详细的说明，基于高 空间分辨率遥感影像的树冠信息提取系统与上述方法实施例原理相同，在此不再赘述，相 关之处互相参照即可。综上，在本发明具有如下特点(1)将数学形态学MSER算法用于树冠图像前后背景分割，由于是基于区域的分 割，提高了目标区域信息提取的稳定性，基于多阈值的分割技术，对于纹理特征比较复杂， 噪声干扰较大的影像，也有很好的效果。(2)对于分辨率相对较低的图像，采用最邻近放大4倍后的图像，通过逐层收缩法 进行单木树冠标记，然后通过条件生长进行树冠分割，对相连树冠具有很好的分割效果。(3)自动化程度高，可以自动统计出树冠的面积，周长，冠幅可广泛应用于林业调 查，森林资源监测、林业遥感等应用领域。以上对本发明所提供的一种基于高空间分辨率遥感影像的树冠信息提取方法和 系统进行详细介绍，本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以 上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般 技术人员，依据本发明的思想，在具体实施方式
及应用范围上均会有改变之处。综上所述， 本说明书内容不应理解为对本发明的限制。
权利要求
一种基于高空间分辨率遥感影像的树冠信息提取方法，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，对所述遥感影像预处理，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；单木树冠提取步骤，在所述树冠区域为多木树冠区域的情况下，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，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所述的树冠信息提取方法，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所述的树冠信息提取方法，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所述的树冠信息提取方法，其特征在于，所述单木树冠提取步骤中， 使用逐层收缩法和条件生长法提取单木树冠，包括如下步骤放大步骤，在进行最大稳定极值区分割后，用最邻近重采样方法将影像放大4倍； 收缩步骤，用逐层收缩法标记单木树冠中心位置； 生长步骤，用条件生长法提取单木树冠；假树冠判断步骤，根据林分单木树冠的最小尺寸，设定一个阈值；若提取的所述单木树 冠的面积小于该阈值，则确定提取的该单木树冠为假树冠，并删除该假树冠区域。
5.一种基于高空间分辨率遥感影像的树冠信息提取系统，其特征在于，所述系统包括数据获取模块，用于获取林地遥感影像；预处理模块，用于对所述遥感影像预处理，获取预处理后的遥感影像数据； 单一林分影像信息提取模块，用于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；分割模块，用于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；单木树冠提取模块，用于在所述树冠区域为多木树冠区域的情况下，提取单木树冠，并 勾绘出树冠轮廓，生成单木树冠分布图；树冠因子计算模块，用于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，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。
6.根据权利要求5所述的树冠信息提取系统，其特征在于，所述数据获取模块进一步用于获取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，所述预处理模块进一步用于以所述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。
7.根据权利要求6所述的树冠信息提取系统，其特征在于，所述分割模块中，还包括 尝试分割模块，用于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；统计模块，用于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；分割阈值确定模块，用于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，则确认该阈值是局部目标区域与背景的分割阈值；分割模块，用于依据所述分割阈值，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为所述树冠，其余区域为所述背景区域。
8.根据权利要求7所述的树冠信息提取系统，其特征在于，所述单木树冠提取模块包括放大模块，用于在进行最大稳定极值区分割后，用最邻近重采样方法将单一林分影像 放大4倍；收缩模块，用于用逐层收缩法标记单木树冠中心位置； 生长模块，用于用条件生长法提取单木树冠；假树冠判断模块，用于根据林分单木树冠的最小尺寸，设定一个阈值；若提取的所述单 木树冠的面积小于该阈值，则确定提取的该单木树冠为假树冠，并删除该假树冠区域。
全文摘要
本发明公开了一种基于高空间分辨率遥感影像的树冠信息提取方法和系统。该方法包括获取林地遥感影像；对遥感影像预处理，获取预处理后的遥感影像数据；在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；利用最大稳定极值区的方法，分割单一林分影像信息的树冠和背景区域；在多木树冠区域中，提取单木树冠，计算树冠分布图中树木的个数和每一棵树的树冠因子。本发明在树冠包含像素点较少的情况下可以很好的分离连接树冠，运算效率高；同时可以有效的提高森林资源调查的效率和自动化程度，及时准确地获取森林资源信息，节省人力物力。
文档编号G01B11/24GK101922914SQ201010264550
公开日2010年12月22日 申请日期2010年8月27日 优先权日2010年8月27日
发明者刘晓双, 张强, 胡珂, 陈永富, 鞠洪波, 黄建文 申请人:中国林业科学研究院资源信息研究所