基于标记控制分水岭算法树冠高程模型分割.PDFVIP

下载本文档

35
0
约1.58万字
约 6页
2019-03-17 发布于湖北
举报
版权申诉

基于标记控制分水岭算法树冠高程模型分割.PDF

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

中国农学通报 2011,27(19):49-54 Chinese Agricultural Science Bulletin 基于标记控制分水岭算法的树冠高程模型分割 1 1 2 刘峰，杨志高，龚健雅 1 2 （中南林业科技大学理学院，长沙410004 ；武汉大学测绘遥感信息工程国家重点实验室，武汉430079 ）摘要：树冠高程模型是树冠表面模型和数字高层模型的差值，是森林资源调查的重要数据源。笔者提出利用标记控制分水岭算法进行树冠高程模型分割的方法，首先用高斯滤波平滑树冠高程模型，对树冠边缘做初步检测，然后利用形态学重构方法进行树冠形状确认，在此基础上进行二值图像的距离变换和 h-minima 变换，并标记树冠顶部，最后对实验数据进行分水岭分割，实现单株木树冠边缘勾勒。误差分析表明，该方法能有效提高分割正确率，当结构元素和h-minima 变换中的参数分别等于3、1.5 时，树冠分割正确率为78.5%。关键词：树冠高程模型；分水岭算法；形态学重构；h-minima 变换；分割中图分类号：TP391.41 文献标志码：A 论文编号：2011-0603 CanopyHeightModelSegmentationBasedonMarkerControlledWatershedAlgorithm LiuFeng,YangZhigao,GongJianya1 1 2 1 (School of Science, Central South University of Forestry and Technology,Changsha410004; 2State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing, Wuhan University,Wuhan430079) Abstract: Canopyheightmodel(CHM)isthedifferencebetweencanopysurfacemodelwithdigitalelevation model,whichisforestresourcesinventoryimportantdata.TheauthorproposedCHMsegmentationbasedon markercontrolledwatershedalgorithm.Firstly,theauthorusedtheGaussianfiltersmoothCHM,obtainedthe crownedge;secondly,theauthoraffirmedthecrownshapebymorphologicalreconstruction,andthenexploited distanceandh-minimatransformtolabeltreetop;lastly,usedwatershedalgorithmsegmentCHMandoutlined thecanopyedge.Experimentalresultswereprovidedtoillustratethismethod,whichcouldeffectivelyimprove therecognitionaccuracy,thesegmentationaccuracywas 78.5%whenparameterbandhwas 3 and 1.5, respectively. Keywords: