基于区域合并的Mean Shift算法识别单木研究

作者:唐孝甲陈伟尹准生张振中

关键词: Mean Shift算法; 区域邻接图; LiDAR; 点云; 单木识别;

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。

上一篇：宁夏空间规划试点中林地精细分类标准的构建
下一篇：Excel函数IF、COUNTIF、IFERROR、VLOOKUP在天然林停伐保护县级实施方案附表中的应用

基于区域合并的Mean Shift算法识别单木研究

作者:唐孝甲 陈伟 尹准生 张振中

关键词: Mean Shift算法; 区域邻接图; LiDAR; 点云; 单木识别;

作者:唐孝甲陈伟尹准生张振中