面向立木识别的有效K-均值聚类算法研究

• 作者: 康峰 文剑 李文彬 王亚雄 郑永军
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 立木识别 点云数据 K-均值聚类算法 窗口滤波算法 哈夫曼树法
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 230-237
• 页数: 8页
• 分类号: S24
• 字数: 5537字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2017.03.029

摘要

针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描.针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高.在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4％,后者则为95.5％;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120～ 220 ms,后者为50 ～85 ms,该范围为林区测绘的可接受范围.试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文彬	北京林业大学工学院	116	1196	16.0	29.0
2	康峰	北京林业大学工学院	7	68	5.0	7.0
3	郑永军	中国农业大学工学院	25	201	8.0	13.0
4	文剑	北京林业大学工学院	10	60	4.0	7.0
5	王亚雄	北京林业大学工学院	3	19	3.0	3.0