基于机载LiDAR和高光谱数据的树种分类及三维显示
发布时间：2023-04-05 00:33
森林资源是一种自然的、可再生的资源,是地球上最重要的资源之一,为林业的可持续发展提供物质保障。森林在调节气候、保持生物多样性、提供生态产品等方面发挥着重要的作用,树种的准确识别是研究和利用森林资源的基础。本文以地形复杂的大兴安岭根河实验区茂密森林为研究对象,利用2016年获取的机载LiDAR点云数据和高光谱遥感影像为基础,建立针对不同树种分类的点云特征和高光谱特征,选用支持向量机(Support Vector Machine,SVM)分类器,对主要树种进行识别分类。同时以C#编程语言和Skyline系列软件提供的控件和接口,开发了复杂环境森林树种分类与三维显示原型系统,实现了树木数据查询、管理、分类和三维显示等功能,为复杂环境下森林的生态监测和可持续经营提供数据与技术支持。本文的主要研究内容如下:(1)机载LiDAR点云数据和高光谱影像数据特征提取。高光谱遥感影像具有丰富的光谱信息和纹理信息,机载LiDAR能够获取林木垂直结构特征。针对研究区地形起伏大、树林茂密的复杂环境条件,本文通过对研究区机载Li DAR点云数据进行地形因子校正后,利用区域增长结合阈值判断的方法(Point Clo...
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 树种分类研究现状
1.2.2 森林三维显示研究现状
1.3 发展态势
1.4 论文研究内容及路线
1.4.1 研究内容
1.4.2 技术路线
1.5 论文组织结构
第二章 研究区域与数据
2.1 研究区域概况
2.2 研究区数据
2.2.1 遥感数据
2.2.2 样地实测数据
2.2.3 机载LiDAR数据预处理
2.2.4 高光谱影像数据预处理
2.2.4.1 辐射定标
2.2.4.2 几何校正
2.2.4.3 大气校正
2.2.4.4 机载LiDAR和高光谱影像配准
2.3 本章小结
第三章 机载LIDAR与高光谱数据特征构建与提取
3.1 复杂环境森林机载LiDAR与高光谱数据特征体系构建
3.1.1 机载LiDAR点云数据特征选择
3.1.2 高光谱影像特征选择
3.2 机载LiDAR点云数据特征提取
3.2.1 地形因子校正
3.2.2 单木分割
3.2.3 点云数据特征提取
3.3 高光谱影像特征提取
3.3.1 高光谱数据特征波段选择
3.3.2 光谱反射率特征
3.3.3 植被指数-NDVI
3.3.4 纹理特征
3.3.4.1 PCA变换
3.3.4.2 灰度共生矩阵(GLCM)
3.4 本章小结
第四章 基于机载LIDAR和高光谱数据树种分类
4.1 遥感分类概述
4.2 基于SVM分类
4.2.1 SVM概述
4.2.2 核函数与参数选择
4.3 分类实验
4.4 研究区树种分类
4.5 精度评定
4.6 本章小结
第五章 系统设计与开发
5.1 需求分析与设计原则
5.1.1 需求分析
5.1.2 系统设计原则
5.2 开发配置与架构
5.2.1 系统开发配置
5.2.2 系统架构
5.3 系统设计中的主要技术和算法介绍
5.3.1 .NET开发平台介绍
5.3.2 Skyline
5.3.3 GDAL及其配置
5.3.4 MPT
5.3.5 3D模型
5.3.6 Instance技术
5.4 复杂环境森林树种分类与三维显示原型系统测试与应用
5.4.1 系统简介概述
5.4.2 数据管理
5.4.3 复杂环境森林三维显示
5.4.4 复杂环境森林三维场景功能
5.4.4.1 缩放与平移
5.4.4.2 视图切换与旋转
5.4.4.3 分层显示
5.4.4.4 属性查询
5.4.5 分类处理
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号：3782362
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 树种分类研究现状
1.2.2 森林三维显示研究现状
1.3 发展态势
1.4 论文研究内容及路线
1.4.1 研究内容
1.4.2 技术路线
1.5 论文组织结构
第二章 研究区域与数据
2.1 研究区域概况
2.2 研究区数据
2.2.1 遥感数据
2.2.2 样地实测数据
2.2.3 机载LiDAR数据预处理
2.2.4 高光谱影像数据预处理
2.2.4.1 辐射定标
2.2.4.2 几何校正
2.2.4.3 大气校正
2.2.4.4 机载LiDAR和高光谱影像配准
2.3 本章小结
第三章 机载LIDAR与高光谱数据特征构建与提取
3.1 复杂环境森林机载LiDAR与高光谱数据特征体系构建
3.1.1 机载LiDAR点云数据特征选择
3.1.2 高光谱影像特征选择
3.2 机载LiDAR点云数据特征提取
3.2.1 地形因子校正
3.2.2 单木分割
3.2.3 点云数据特征提取
3.3 高光谱影像特征提取
3.3.1 高光谱数据特征波段选择
3.3.2 光谱反射率特征
3.3.3 植被指数-NDVI
3.3.4 纹理特征
3.3.4.1 PCA变换
3.3.4.2 灰度共生矩阵(GLCM)
3.4 本章小结
第四章 基于机载LIDAR和高光谱数据树种分类
4.1 遥感分类概述
4.2 基于SVM分类
4.2.1 SVM概述
4.2.2 核函数与参数选择
4.3 分类实验
4.4 研究区树种分类
4.5 精度评定
4.6 本章小结
第五章 系统设计与开发
5.1 需求分析与设计原则
5.1.1 需求分析
5.1.2 系统设计原则
5.2 开发配置与架构
5.2.1 系统开发配置
5.2.2 系统架构
5.3 系统设计中的主要技术和算法介绍
5.3.1 .NET开发平台介绍
5.3.2 Skyline
5.3.3 GDAL及其配置
5.3.4 MPT
5.3.5 3D模型
5.3.6 Instance技术
5.4 复杂环境森林树种分类与三维显示原型系统测试与应用
5.4.1 系统简介概述
5.4.2 数据管理
5.4.3 复杂环境森林三维显示
5.4.4 复杂环境森林三维场景功能
5.4.4.1 缩放与平移
5.4.4.2 视图切换与旋转
5.4.4.3 分层显示
5.4.4.4 属性查询
5.4.5 分类处理
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号：3782362
本文链接：https://www.wllwen.com/nykjlw/lylw/3782362.html
