论文总字数：21078字

目 录

摘 要 1

Abstract 2

1 引言 3

2 ArcGIS二次开发模式 4

2.1 独立的应用程序 4

2.2 ArcGIS桌面应用程序定制扩展 5

2.2.1 Python脚本 5

2.2.2 传统ArcObjects扩展组件 5

2.2.3 Add-in组件 5

3 总体设计 5

3.1 开发环境 5

3.2 实验数据 6

3.3 总体思路 6

3.4 模块结构与界面设计 7

4 模块的实现 9

4.1 单木树冠提取 9

4.1.1 树冠探测 9

4.1.2 树冠描绘 14

4.1.3 结果分析 18

4.2 精度评价 19

4.2.1 树冠探测精度评价 19

4.2.2 树冠描绘精度评价 20

5 结论与讨论 21

参考文献 22

致 谢 23

基于高分辨率遥感图像的单木树冠信息提取模块设计与实现

丁天赐

, China

Abstract: Both the traditional local maximum method and region growing method have several limitations in extracting tree crown: in the terms of tree crown detection, local maximum method needs to solve the problem of selecting window size; using region grow method alone to delineate tree crown may lead to a phenomenon that connected nodes of the crown is not separated. In this paper, based on secondary development of ArcGIS, I use ArcMap custom components Add-in and custom geoprocessing tools to realize a module to extract the single tree crown information which combined with the hydrological analysis method and the region growing method. First, I detect individual tree crown with hydrological analysis method to find the tree top position, then according to the spectral value of tree tops and distance between tree tops I eliminate invalid tree tops and extract effective individual tree crown contributing region. Second, regarding contributing region of tree crown as boundary and tree top position as seed for region growing to complete tree crown delineation. Finally, the accuracy evaluation system of remote sensing classification is introduced to evaluate the results of detection and delineation. In this paper, I input experimental data to module and get the result of the accuracy assessment. The overall accuracy of crown detection is 88.30%; tree crown delineation has two kinds of evaluation scheme, the accuracy of first scheme is 78.89% and the other one reached 89.00%. Overall, combining hydrological analysis method with region growing method to extract the crown has a result with high accuracy and can solve the problem effectively which reaching a low accuracy when extracting high tightness forest in the field of tree crown extraction. The development of a tree crown extraction module can also provide great convenience for individual tree crown automatic extraction.

Key words: tree crown extraction; custom ArcMap components Add-in; custom geoprocessing tools; region growing; hydrological analysis

1 引言

树冠是树木主干以上的部分，作为树木进行光合作用的主要场所，树冠对于树木的生长起着至关重要的作用。提取出准确的树冠信息，可以用来研究森林的生长情况和动态变化比如监测树木的长势，预防树木病虫害情况，预测树木的生物量等^[1]。因此树冠的提取对于研究森林尤为重要，近年来随着遥感技术的飞速发展，树冠的自动化提取已经成为了国内外专家学者的研究热点。单木树冠自动化提取研究从20世纪90年代中期开始^[2]。对于此项研究，国外学者研究得较为深入，已经作出了很多成果和贡献。国外学者采取的方法主要有局部最大值法^[3-6]、模板匹配法^[7,8]、谷地跟踪法^[3]、区域增长法^[6,9]、分水岭分割法^[4]、局部射线法^[5]等。国内对于树冠自动化提取方面的研究才刚刚开始，自动化程度较低，使用的方法也较少。主要使用局部最大值法^[10]、面向对象法^[11-13]、多尺度分割法^[14]、局部射线法^[15]等。

局部最大值法是一种比较常用的树冠探测方法，由于树冠光谱值存在中间高两边低的特点，找出遥感图像中光谱反射率最高的点即可找到树顶。局部最大值法主要分为固定窗口局部最大值和动态窗口局部最大值两种。固定窗口局部最大值滤波采用固定大小的移动窗口。移动窗口的大小根据遥感影像的分辨率大小和树冠的平均尺寸由用户自定义。当移动窗口的中心像元光谱值均大于邻近像元时，就将中心像元确定为局部最大值^[2]。固定窗口局部最大值法较简便快速，但具有一定的局限性。如果林场中存在较多大小悬殊的树冠，则很难确定移动窗口的大小。如果移动窗口过大，将不能探测到小的树冠；如果移动窗口过小，大的树冠就会被分割。因此，这种方法适用于树冠大小较均匀的同龄林而不适用于树冠大小悬殊的异龄林。为了解决固定窗口在异龄林中的局限性，便设计了动态窗口局部最大值法，移动窗口没有固定的大小，会根据不同的情况随时调整^[2]。在实际的应用中，局部最大值法一般多用于对针叶林的树冠提取，因为针叶林的最高点较阔叶林明显，而阔叶林树冠可能会探测出多个最大值点。

模板匹配法和谷地跟踪法同样也是树冠探测方法，模板匹配法根据地物的几何形状特征来提取树冠^[8],先把树冠的几何形状与遥感图像像元亮度进行匹配,然后根据形状的相似度提取合适的单木树冠。

谷地跟踪法通过计算图像的光谱值来界定谷地和树冠^[3]。首先区分出森林区和非森林区（根据阈值），然后与局部最大值法类似用一个3x3的移动窗口探测出森林区中的局部最小值，最后扫描整幅影像，对每个局部最小点将其像元值与周围像元值进行比较，若局部最小点像元值均小于两侧的点则将其作为谷地像元，将整幅影像按照不同的顺序反复进行扫描，直到找不出谷地像元为止。谷地跟踪法对于中低郁闭度的林分提取精度较高，不适用于郁闭度较大的林分。因为当树冠间的距离过于紧密，树冠相互重叠在一起，光谱最小值的区分度就会降低，树冠提取的精度也会随之下降。

区域增长法、分水岭分割法、局部射线法、面向对象法和多尺度树冠分割法均属于树冠描绘算法。区域增长法将探测出的树冠顶点看作种子点，先设置一个阈值，计算种子点亮度值与邻域内其余各个像元的亮度值的差值，若差值小于阈值,就把这些点合并到种子点所在区域中，若差值大于阈值，则合并被终止。

分水岭分割方法将原始图像的像元值看作地形，其中局部的高程最大值点即为树冠边界点。具体过程为先将原始图像生成梯度图像，然后将梯度图像进行锐化处理，最后寻找梯度图像的局部最大值即为树冠边界^[4]。

局部射线法先从探测到的树冠顶点引出若干条射线，每条射线中亮度变化率最大的点作为树冠边界点,从而得到树冠信息^[15]。

剩余内容已隐藏，请支付后下载全文，论文总字数：21078字

相关图片展示：