基于区域合并的Mean Shift算法识别单木研究

• 作者: 唐孝甲 尹准生 张振中 陈伟
• 来源期刊: 林业调查规划
• 学科: 农学
• 关键词: Mean Shift算法 区域邻接图 LiDAR 点云 单木识别
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 森林经理
• 页码范围: 13-18,23
• 页数: 7页
• 分类号: S711|S758.1
• 字数: 3783字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3168.2019.03.003

摘要

为准确识别森林单木,采用区域合并的Mean Shift算法对机载点云进行单木分割.首先,以点云三维特征空间为特征向量,选择核带宽度及收敛阈值,采用Mean Shift算法对点云进行初始过分割;其次,以过分割点簇为对象,选择分割尺度、平滑度和紧凑度参数,采用基于区域邻接图的最优层次合并方法对点簇进行合并.最后,剔除3.5 m高度以下和异常点云,以点云中心点为单木位置,计算森林密度.实验结果表明,基于区域合并的Mean Shift算法能够检测到89％以上的单木,单木识别精度达91.6％,避免了生成CHM的初始误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈伟		16	68	5.0	7.0
2	唐孝甲		10	8	2.0	2.0
3	张振中		2	1	1.0	1.0
4	尹准生		5	1	1.0	1.0