劉見(jiàn)禮，張志玉，倪文儉，汪垚，張大鳳

(1.中國(guó)科學(xué)院遙感與數(shù)字地球研究所 遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100101；2. 中國(guó)科學(xué)院大學(xué)，北京 100049)

0 引言

森林是陸地生態(tài)系統(tǒng)的主體，也是人類(lèi)賴以生存的最重要的自然資源之一[1-3]。森林的單木信息在森林的生態(tài)研究、資源監(jiān)測(cè)等方面具有重要作用[4-5]。

單木信息提取的前提是單木的準(zhǔn)確識(shí)別，目前單木識(shí)別主要利用機(jī)載或星載的高分辨率光學(xué)影像數(shù)據(jù)的光譜與空間特征信息，以及LiDAR點(diǎn)云數(shù)據(jù)的三維幾何信息[6-7]。由于直觀的三維幾何信息更易于單木識(shí)別，因而成為目前的研究熱點(diǎn)[8-9]。

常用的三維幾何信息通常來(lái)自LiDAR點(diǎn)云數(shù)據(jù)或其衍生的數(shù)字表面模型(digital surface model，DSM)、冠層高度模型(canopy hight model，CHM)數(shù)據(jù)[10-11]。單木識(shí)別的方法主要為“局部最大值”法[12-13]。由于LiDAR數(shù)據(jù)獲取成本較高，限制了其推廣應(yīng)用，而無(wú)人機(jī)影像匹配點(diǎn)云數(shù)據(jù)的獲取成本較低，在單木識(shí)別中具有較高的應(yīng)用潛力[14]。

目前缺少針對(duì)無(wú)人機(jī)影像匹配點(diǎn)云數(shù)據(jù)的單木識(shí)別算法，因此我們借鑒基于LiDAR數(shù)據(jù)的“局部最大值”算法進(jìn)行單木識(shí)別研究?！熬植孔畲笾怠彼惴ǜ鶕?jù)搜索窗口的不同分為兩種：一種是“固定窗口”的局部最大值；另一種是“變化窗口”的局部最大值。變化窗口的局部最大值通常需要精確的林下地形信息，而無(wú)人機(jī)影像點(diǎn)云在郁閉林區(qū)難以獲得精確的林下地形信息，因而難以采用變化窗口的局部最大值法進(jìn)行單木識(shí)別[15]。

因此使用固定窗口大小的局部最大值法進(jìn)行無(wú)人機(jī)影像點(diǎn)云數(shù)據(jù)的單木識(shí)別。已有的研究表明，固定窗口的局部最大值單木識(shí)別中，當(dāng)窗口設(shè)置較大時(shí)，識(shí)別出的單木準(zhǔn)確性較高，但會(huì)發(fā)生遺漏；窗口設(shè)置較小時(shí)，識(shí)別單木的數(shù)量會(huì)增多，但易引入了錯(cuò)識(shí)別單木[16]。目前基于局部最大值的單木識(shí)別缺乏針對(duì)錯(cuò)分單木的判別算法。發(fā)展有效的單木真?zhèn)闻袆e算法，解決“小窗口”局部最大值算法產(chǎn)生的錯(cuò)識(shí)別單木問(wèn)題，是提高單木的識(shí)別精度的關(guān)鍵。

為此，本文提出了一種聯(lián)合“局部最大值”與“樹(shù)冠結(jié)構(gòu)分析”的單木識(shí)別算法，該算法可解決 “局部最大值”算法的窗口大小設(shè)置的困境。

主要思路：(1)基于無(wú)人機(jī)匹配點(diǎn)云數(shù)據(jù)，通過(guò)小窗口的“局部最大值”，獲得盡可能多的候選單木；(2)對(duì)每個(gè)候選單木樹(shù)冠進(jìn)行連續(xù)水平切片分析，獲得單木樹(shù)冠結(jié)構(gòu)曲線，通過(guò)單木樹(shù)冠結(jié)構(gòu)曲線對(duì)候選單木進(jìn)行真?zhèn)闻袆e，濾去偽單木；(3)根據(jù)樹(shù)冠切片中心對(duì)單木初始位置進(jìn)行改正，對(duì)位置改正后相互聚攏的單木進(jìn)行合并，最終實(shí)現(xiàn)單木準(zhǔn)確識(shí)別。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)

研究區(qū)位于大興安嶺北段西坡，內(nèi)蒙古呼倫貝爾市東北部，屬于根河林業(yè)局。研究區(qū)氣候?yàn)楹疁貛駶?rùn)型森林氣候，全年平均氣溫-5 ℃左右，年平均降水量294 mm。區(qū)域內(nèi)優(yōu)勢(shì)樹(shù)種為興安落葉松(larix gmelini)，伴生樹(shù)種有樟子松(pinus sylvestris var)、白樺(betula platyphylla)、山楊(populus davidiana dode)等。

1.2 無(wú)人機(jī)匹配點(diǎn)云數(shù)據(jù)

無(wú)人機(jī)影像的獲取時(shí)間為2015年8月17日至24日，采用大疆六旋翼無(wú)人機(jī)，搭載Sony NEX-5T相機(jī)，影像大小4 912×3 264，飛行高度300 m，影像分辨率8 cm，航向、旁向重疊度分別為90%、60%。

無(wú)人機(jī)影像處理采用Agisoft Photoscan軟件，主要步驟如下：

(1)加載包含可交換圖像文件格式(exchangeable image file format，EXIF)信息的無(wú)人機(jī)影像，若影像不包含EXIF信息，則需要進(jìn)行攝像機(jī)定標(biāo)。

(2)影像外方位元素計(jì)算，首先獲取影像上的特征點(diǎn)，然后進(jìn)行影像間特征點(diǎn)匹配，通過(guò)影像間的匹配點(diǎn)使用“8點(diǎn)法”計(jì)算得到影像間的外方位元素信息。

(3)無(wú)人機(jī)影像匹配點(diǎn)云的生成，無(wú)人機(jī)影像匹配點(diǎn)云是利用上一步獲得的影像外方位元素，逐像素進(jìn)行特征點(diǎn)的提取與同名點(diǎn)的匹配，然后使用光束法平差進(jìn)行誤匹配噪聲點(diǎn)判別與去除。

(4)控制點(diǎn)的放置，通過(guò)放置控制點(diǎn)的方法，對(duì)影像匹配點(diǎn)云進(jìn)行地理編碼。

(5)DSM的生成，為后續(xù)的單木識(shí)別算法評(píng)價(jià)，將無(wú)人機(jī)影像匹配點(diǎn)云進(jìn)行柵格化，通過(guò)插值生成柵格大小為0.1 m的DSM數(shù)據(jù)。

(6)結(jié)果的導(dǎo)出，最終得到的平均點(diǎn)密度約為40個(gè)/m2的無(wú)人機(jī)影像匹配點(diǎn)云數(shù)據(jù)，柵格大小為0.1 m的DSM數(shù)據(jù)，數(shù)據(jù)坐標(biāo)采用WGS84坐標(biāo)系，投影為UTM投影北半球6°分帶的第51帶。

1.3 樣地實(shí)測(cè)數(shù)據(jù)

實(shí)測(cè)樣地?cái)?shù)據(jù)獲取于2016年8月15日至24日。使用2015年獲取的無(wú)人機(jī)正射影像數(shù)據(jù)作為樣地布設(shè)參考，按樹(shù)種組成、株密度、高度等布設(shè)了8個(gè)直徑為30 m的圓形樣地。以正射影像作為底圖參考，通過(guò)手持GPS導(dǎo)航樣地位置，利用單木特征(如樹(shù)種、枯木、倒木等)對(duì)正射影像中的單木進(jìn)行現(xiàn)場(chǎng)解譯，將解譯的單木進(jìn)行編號(hào)并標(biāo)注于正射影像圖中。實(shí)測(cè)的單木位置作為參考數(shù)據(jù)用于單木識(shí)別算法識(shí)別的精度評(píng)價(jià)，為了便于對(duì)單木識(shí)別算法進(jìn)行評(píng)價(jià)，將實(shí)測(cè)單木中的不被遮擋，能夠目視識(shí)別的單木定義為“可見(jiàn)單木”，表1為各樣地實(shí)測(cè)信息。

表1 各樣地實(shí)測(cè)信息

2 研究方法

2.1 單木識(shí)別

單木識(shí)別有兩種常見(jiàn)錯(cuò)誤：漏識(shí)別、錯(cuò)識(shí)別。漏識(shí)別是指單木因?yàn)檎趽趸蚩拷髽?shù)等原因無(wú)法被識(shí)別；錯(cuò)識(shí)別分為兩種，一種是因?yàn)樵肼朁c(diǎn)等原因?qū)螁文菊`識(shí)別為單木；另一種是由于單木有較大分支或多個(gè)頂點(diǎn)而被識(shí)別為多株。本文提出的基于無(wú)人機(jī)影像匹配點(diǎn)云的單木識(shí)別算法，通過(guò)“較小的搜索窗口”獲取盡可能多的候選單木，然后對(duì)候選單木進(jìn)行“樹(shù)冠結(jié)構(gòu)分析”降低錯(cuò)識(shí)別率。具體過(guò)程如下：

第1步，使用“局部最大值搜索”算法確定候選單木頂點(diǎn)。設(shè)定搜索窗口大小為d1，遍歷點(diǎn)云，判斷每個(gè)點(diǎn)在以其為中心的搜索窗口內(nèi)是否為最高點(diǎn)，若為最高點(diǎn)則標(biāo)記為候選單木頂點(diǎn)。

第2步，候選單木冠層點(diǎn)云水平分層切片。在原始點(diǎn)云中選取到候選單木頂點(diǎn)的水平距離小于d2的點(diǎn)云作為待分析點(diǎn)云。d2應(yīng)大于研究區(qū)最大的單木冠幅半徑。對(duì)選取的單木待分析點(diǎn)云以厚度t自上而下進(jìn)行水平分層切片，直到?jīng)]有點(diǎn)云為止，總層數(shù)記為n。對(duì)各層自上而下按1到n的順序進(jìn)行編號(hào)(圖1)。

圖1 單木點(diǎn)云分層切片示例

第3步，逐層進(jìn)行擬合分析，具體如下：

(1)第1層點(diǎn)云分析。在第1層點(diǎn)云中選取到候選單木頂點(diǎn)距離為小于d3的點(diǎn)進(jìn)行圓形擬合，得到圓心坐標(biāo)記為(x1，y1)、半徑為r1。

(2)第2至n層點(diǎn)云分析?？紤]到樹(shù)冠通常呈現(xiàn)一定的幾何體的形狀(如圓錐體，橢球體或球體)，樹(shù)冠點(diǎn)云會(huì)隨著層號(hào)的增加而逐漸外擴(kuò)，因此點(diǎn)云的水平選取范圍參數(shù)d3需要根據(jù)層號(hào)和樹(shù)冠形狀進(jìn)行調(diào)整，調(diào)整方法如下：

d3，i=r1+t×c×(i-1)

(1)

式中：i為層號(hào)，取值范圍為[2，n]；d3，i為d3在第i層的取值，r1為第一層擬合圓的半徑，t為層厚，c為冠幅外擴(kuò)參數(shù)(即樹(shù)冠表面坡度的余切值)；每層進(jìn)行圓形擬合得到圓心坐標(biāo)為(xi，yi)，半徑為ri。

第4步，偽單木頂點(diǎn)剔除(圖2(a))。由于匹配點(diǎn)云不能穿透冠層，而只能刻畫(huà)冠層表面的特征，所以對(duì)于理想的樹(shù)冠而言，其冠幅會(huì)隨著層號(hào)的增大而逐步增大，直到達(dá)到最大值為止。當(dāng)某一層擬合圓圓心位置較頂點(diǎn)位置發(fā)生明顯偏離，偏移距離超過(guò)擬合圓半徑或冠幅突然變小時(shí)，則可認(rèn)定點(diǎn)云出現(xiàn)異常，記錄其上一層號(hào)為nc。對(duì)于偽單木而言，通常難以出現(xiàn)圓心保持基本不變而冠幅單調(diào)遞增的規(guī)律性現(xiàn)象。因而，可以通過(guò)冠層點(diǎn)云總厚度(即層數(shù)n)和點(diǎn)云異常層號(hào)nc兩個(gè)參數(shù)進(jìn)行偽單木頂點(diǎn)識(shí)別，當(dāng)n

第5步，臨近過(guò)識(shí)別單木頂點(diǎn)合并(圖2(b))。某些樹(shù)種會(huì)由于叢生、伴生或多個(gè)一級(jí)枝的存在等因素而造成過(guò)識(shí)別現(xiàn)象。因此在對(duì)所有候選單木頂點(diǎn)完成第2步至第4步的處理后，仍有可能會(huì)存在過(guò)識(shí)別的問(wèn)題。但可以想見(jiàn)，對(duì)于由叢生、伴生或多個(gè)一級(jí)枝引起的過(guò)識(shí)別候選單木頂點(diǎn)，其擬合圓心會(huì)隨著層數(shù)的增加而逐漸聚攏?？梢愿鶕?jù)nc層擬合圓心對(duì)初始單木位置進(jìn)行改正，對(duì)于位置改正后距離小于d4的單木進(jìn)行合并。d4為設(shè)定的閾值。

圖2 真?zhèn)螁文九c過(guò)識(shí)別單木示例

2.2 完整度參數(shù)

前一部分介紹了單木識(shí)別的方法，其中的關(guān)鍵在于擬合圓的圓心、半徑的應(yīng)用，考慮到單木冠層水平切片得到的點(diǎn)云會(huì)圍繞著圓形或圓弧形存在一定的變動(dòng)，且隨著層數(shù)的增加圓形或圓弧可能出現(xiàn)缺口，為了提高擬合圓的可信度，增加一個(gè)對(duì)點(diǎn)云分布圓形完整度的描述參數(shù)：完整度指數(shù)(completeness index，CI)。將平面按10度的間隔劃分為36個(gè)區(qū)間，如果某區(qū)間內(nèi)有點(diǎn)云落入則取值為1，否則取值為0。36個(gè)區(qū)間的總和作為完整度指標(biāo)。因此完整度最低為1，最高為36。當(dāng)完整度低于18時(shí)，意味著點(diǎn)云所占據(jù)的圓弧長(zhǎng)度低于擬合圓周長(zhǎng)的一半，此時(shí)得到的擬合圓可信度降低。如前一部分第2步和第3步所述，對(duì)每木點(diǎn)云從第2層開(kāi)始自上而下逐層分析，取2至nc層間最后一層完整度不低于18的層數(shù)作為最終的nc層。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 真?zhèn)螁文緲?shù)冠結(jié)構(gòu)展示

本研究提出的單木識(shí)別算法涉及到的參數(shù)設(shè)置：“局部最大值搜索”使用的搜索窗口大小d1=0.5 m，小于當(dāng)?shù)刈钚〉墓诜担粏文军c(diǎn)云選取中用到的點(diǎn)云到候選單木頂點(diǎn)的距離閾值d2=5 m大于當(dāng)?shù)刈畲蟮墓诜霃?；根?jù)點(diǎn)云密度及當(dāng)?shù)貥?shù)種樹(shù)冠特點(diǎn)，點(diǎn)云水平切片厚度t=0.3 m，第1層點(diǎn)云到候選單木頂點(diǎn)距離閾值d3=1.5 m，冠幅外擴(kuò)參數(shù)c=1.0，正確單木冠層點(diǎn)云厚度閾值n0=3，其單調(diào)遞增連續(xù)層數(shù)最小值nc0=3，單木間最小距離閾值d4=1.0 m。

圖3和圖4分別展示了真、偽候選單木冠層點(diǎn)云切片結(jié)果(圖3和圖4所展示的單木分別為圖5(a)中的編號(hào)為NO.21和NO.16單木)。圖3(a)與圖3(b)為該單木第4層和第7層結(jié)果，藍(lán)色點(diǎn)為候選單木中d2范圍內(nèi)的點(diǎn)，紅色點(diǎn)為通過(guò)d3或d3，i截取的單木點(diǎn)云，擬合圓的半徑為“R”，藍(lán)色射線為點(diǎn)云圓環(huán)的完整度指數(shù)(completeness index，CI)，即為每層圓環(huán)的完整度。圖3(c)為該單木樹(shù)冠結(jié)構(gòu)曲線圖，可以看到隨著層數(shù)的增加半徑先持續(xù)單調(diào)增加，直至由于點(diǎn)云不完整導(dǎo)致半徑發(fā)生突變；圖3(d)展示的候選單木的冠幅中心偏離初始候選單木頂點(diǎn)的距離很平穩(wěn)，隨著深度增加，點(diǎn)云的不完整導(dǎo)致發(fā)生距離突變。

圖4(a)至圖4(b)分別對(duì)應(yīng)第1層與第3層。由圖4(c)可知，偽單木的冠幅沒(méi)有隨著層數(shù)的增加而增加，相反呈現(xiàn)減少的趨勢(shì)，原因在于該偽單木為噪音點(diǎn)，不具有普通單木樹(shù)冠的基本特征，因而半徑變化無(wú)規(guī)律；同時(shí)，由圖4(d)可以看到，偽單木的冠幅中心偏離初始單木頂點(diǎn)的距離隨著層數(shù)的增加而增加，這不符合真實(shí)單木的特點(diǎn)；通過(guò)分析可以看出真實(shí)單木的冠層結(jié)構(gòu)與偽單木的冠層結(jié)構(gòu)存在明顯的差異，因而通過(guò)對(duì)候選單木冠層結(jié)構(gòu)的分析，能夠?qū)螁文九c真實(shí)單木進(jìn)行判別。

圖3 真單木樹(shù)冠結(jié)構(gòu)注：黑圈為點(diǎn)云擬合圓，R為擬合圓半徑；藍(lán)色點(diǎn)為單木5 m范圍內(nèi)的點(diǎn)，紅色點(diǎn)為本株單木的點(diǎn)；藍(lán)色射線為圓環(huán)完整度間隔線；CI為完整度。

圖4 偽單木樹(shù)冠結(jié)構(gòu)注：黑圈為點(diǎn)云擬合的圓，R為擬合圓半徑；藍(lán)色點(diǎn)為單木5 m范圍內(nèi)的點(diǎn)，紅色點(diǎn)為本株單木的點(diǎn)；藍(lán)色射線為圓環(huán)完整度間隔線；CI為完整度。

3.2 單木識(shí)別分步結(jié)果

由上述方法對(duì)大興安嶺根河林區(qū)的8個(gè)樣地的無(wú)人機(jī)影像匹配點(diǎn)云數(shù)據(jù)進(jìn)行處理，獲得每個(gè)樣地的單木識(shí)別結(jié)果。圖5所示為P1樣地單木識(shí)別的分步結(jié)果，底圖為P1樣地正射影像圖。圖5(a)將搜索窗口d1設(shè)為0.5 m，得到的候選單木頂點(diǎn)(紫色點(diǎn))，可以看到，由于窗口設(shè)置較小，引入了較多的偽單木，如NO.9、NO.16、NO.40、NO.50、NO.53等；以及過(guò)識(shí)別單木，如NO.14與NO.19、NO.58與NO.59以及NO.67與NO.69等，NO.表示單木的編號(hào)。圖5(b)是根據(jù)候選單木樹(shù)冠結(jié)構(gòu)分析，剔除掉偽單木后的結(jié)果(綠色點(diǎn))，可以看到圖5(a)中錯(cuò)識(shí)別的偽單木單木，如NO.9、NO.16、NO.40、NO.50、NO.53等被剔除，但也存在NO.18、NO.49這種小冠幅單木由于冠形特征不明顯被誤刪除的現(xiàn)象。圖5(c)對(duì)剔除掉偽單木后的單木進(jìn)行單木位置改正后合并的結(jié)果(紅色點(diǎn))，看以可到，圖5(b)的錯(cuò)識(shí)別中的過(guò)識(shí)別單木，如NO.11與NO.14、NO.21與NO.22、NO.43與NO.44、NO.51與NO.53等，進(jìn)行了合并。

圖5 單木識(shí)別分步結(jié)果

3.3 各樣地的單木識(shí)別結(jié)果

為了驗(yàn)證本算法的效果，選取窗口大小分別為1.0 m、2.0 m的“局部最大值”算法，對(duì)每個(gè)樣地的DSM數(shù)據(jù)進(jìn)行單木識(shí)別，其中當(dāng)?shù)氐淖钚」诜睆綖?.0 m，DSM柵格大小為0.1 m。圖6至圖13為8個(gè)樣地的單木識(shí)別結(jié)果，從左到右，分別是：實(shí)測(cè)可見(jiàn)單木(黑色點(diǎn))、基于DSM數(shù)據(jù)窗口大小為1.0 m的局部最大值單木識(shí)別結(jié)果(亮綠色點(diǎn))、基于DSM數(shù)據(jù)的窗口大小為2.0 m的局部最大值單木識(shí)別結(jié)果(紫色點(diǎn))，本文算法得到的單木識(shí)別結(jié)果(紅色點(diǎn))，其中藍(lán)色大圓為樣地邊界。

圖6 P1樣地結(jié)果

圖7 P2樣地結(jié)果

圖9 P4樣地結(jié)果

圖10 P5樣地結(jié)果

圖11 P6樣地結(jié)果

圖12 P7樣地結(jié)果

圖13 P8樣地結(jié)果

3.4 單木識(shí)別精度評(píng)價(jià)標(biāo)準(zhǔn)

單木既可以由單木樹(shù)冠頂點(diǎn)來(lái)表示，也可以由單木樹(shù)冠邊界輪廓來(lái)表示，因此存在“點(diǎn)”與“多邊形”兩種不同形式的結(jié)果。同樣，參考數(shù)據(jù)也存在點(diǎn)與多邊形兩種形式：一般通過(guò)GPS或全站儀測(cè)量單木樹(shù)干的坐標(biāo)，形式為點(diǎn)；由于識(shí)別結(jié)果與參考結(jié)果的形式不同，其匹配的方法也不同。識(shí)別與參考結(jié)果的匹配主要存在4種方式：“點(diǎn)對(duì)點(diǎn)”“點(diǎn)對(duì)多邊形”“多邊形對(duì)點(diǎn)”“多邊形對(duì)多邊形”。

由于實(shí)測(cè)的可見(jiàn)單木位于單木樹(shù)冠的頂點(diǎn)，本文的3種單木識(shí)別算法得到的也是單木的頂點(diǎn)。因此本文采用“點(diǎn)對(duì)點(diǎn)”的匹配方式對(duì)單木的識(shí)別結(jié)果進(jìn)行評(píng)價(jià)。將樣地內(nèi)的實(shí)測(cè)可見(jiàn)單木頂點(diǎn)作為參考，將3種算法得到的單木頂點(diǎn)與參考單木頂點(diǎn)進(jìn)行匹配。匹配的標(biāo)準(zhǔn)是：若1個(gè)實(shí)測(cè)可見(jiàn)單木頂點(diǎn)存在1個(gè)識(shí)別單木頂點(diǎn)與其對(duì)應(yīng)，則為正確識(shí)別，存在0個(gè)識(shí)別單木頂點(diǎn)則為漏識(shí)別，存在2個(gè)以上頂點(diǎn)或0個(gè)實(shí)測(cè)單木頂點(diǎn)存在1個(gè)以上的識(shí)別單木與其對(duì)應(yīng)，則為錯(cuò)識(shí)別，具體如表2所示。

表2 單木識(shí)別結(jié)果類(lèi)別

本文的單木識(shí)別結(jié)果使用信息檢索與統(tǒng)計(jì)學(xué)中的準(zhǔn)確率、召回率和F測(cè)度進(jìn)行評(píng)價(jià)，其表達(dá)式分別如下：

(2)

(3)

(4)

式中：Pd稱(chēng)為準(zhǔn)確率；Pr稱(chēng)為召回率(或查全率)；F稱(chēng)為F測(cè)度；Nc為正確識(shí)別單木總數(shù)；Nr為實(shí)測(cè)可見(jiàn)單木總數(shù)；Nd為識(shí)別出的單木總數(shù)。準(zhǔn)確率Pd的含義為：在識(shí)別出來(lái)的所有單木中，真實(shí)單木所占的比例。Pr的含義為：識(shí)別出來(lái)的真實(shí)單木占總真實(shí)單木數(shù)的比例。F測(cè)度是對(duì)準(zhǔn)確率和查全率的綜合描述，當(dāng)能正確檢出全部真實(shí)單木時(shí)，F(xiàn)=100%；當(dāng)檢出的單木全部為偽單木時(shí)，F(xiàn)=0%；F測(cè)度越高代表結(jié)果越好。

3.5 單木識(shí)別結(jié)果的精度評(píng)價(jià)

表3為8個(gè)樣地的單木識(shí)別結(jié)果統(tǒng)計(jì)對(duì)表，為便于敘述，“1 m窗口大小的局部最大值識(shí)別算法”稱(chēng)為“A”算法，“2 m窗口大小的局部最大值識(shí)別算法”稱(chēng)為“B”算法，“本文算法”稱(chēng)為“C”算法。

從表3可知，8個(gè)樣地整體上的A、B、C 3種算法的準(zhǔn)確率上A低于B接近20%，而B(niǎo)與C結(jié)果接近，說(shuō)明隨著窗口的縮小，錯(cuò)識(shí)別單木增加，而由于C成功實(shí)現(xiàn)偽單木的剔除，使得識(shí)別單木的準(zhǔn)確性最高98.61%。在查全率上A高于B接近10%，C高于A接近9%，說(shuō)明隨著窗口的縮小，單木漏識(shí)別問(wèn)題得到抑制，這與前人的研究結(jié)論相符。A、B、C 3種方法的F測(cè)度分別為74.82%、77.35%與90.45%，即本文算法相比1 m、2 m窗口大小的局部最大值算法分別高近15%與13%，說(shuō)明了本算法相比傳統(tǒng)的單木識(shí)別算法，能夠提高單木的識(shí)別精度。

針對(duì)稀疏樣地P2、P3、P5與P7樣地，除P5樣地，3種算法的查全率都比較高，均超過(guò)85%，原因在于稀疏樣地中單木較為獨(dú)立，樹(shù)冠相互遮擋的問(wèn)題較輕，因而查全率較高，P5樣地雖整體較為稀疏，然而單木樹(shù)冠相連較多，使得有些單木樹(shù)頂點(diǎn)不明顯，導(dǎo)致查全率較低；3種算法的準(zhǔn)確率差別較大，其中B與C的準(zhǔn)確率都較高，而A算法的準(zhǔn)確率較低，原因在于稀疏樣地存在較多的背景噪音被誤識(shí)別為偽單木，因而使得小窗口的A算法的精度偏低，而算法C能夠剔除偽單木，所以精度受影響較小。3種算法的F測(cè)度與準(zhǔn)確率相似，由于小窗口的局部最大值算法，即A，引入了大量的偽單木使得其F測(cè)度低于B與C的F測(cè)度。

對(duì)于密集的樣地，P1、P4、P6、P8，3種算法的查全率都不高，都不大于80%，說(shuō)明了在密集林區(qū)局部最大值單木識(shí)別算法存在明顯的局限性，原因在于密集林區(qū)的部分單木由于樹(shù)冠之間的相互遮擋，使得單木頂點(diǎn)不明顯；而3種算法的單木準(zhǔn)確性都較高，原因在于密集林區(qū)的背景噪聲少。P6樣地比較特殊，是由于其樣地內(nèi)部單木多伴生，樹(shù)冠相連，使得單木識(shí)別存在較嚴(yán)重的漏識(shí)別問(wèn)題P1與P6樣地的內(nèi)均存在大量的白樺(表1)，然而P1樣地的查全率與F測(cè)度均高于P6樣地，主要原因在于單木的空間分布特征，P1樣地雖然白樺較多，但都較為獨(dú)立，樹(shù)冠頂點(diǎn)較為明顯，因而易識(shí)別，而P6樣地內(nèi)樹(shù)冠相連較多，使得單木樹(shù)冠頂點(diǎn)不明顯，因而降低了單木識(shí)別的結(jié)果。

表3 各樣地單木識(shí)別結(jié)果統(tǒng)計(jì)對(duì)比

注：A、B方法分別為1 m、2 m窗口大小的局部最大值法，C方法為本文的方法。

4 結(jié)束語(yǔ)

本文利用無(wú)人機(jī)影像匹配點(diǎn)云數(shù)據(jù)，進(jìn)行了單木識(shí)別研究，針對(duì)單木漏識(shí)別與錯(cuò)識(shí)別的問(wèn)題，提出了聯(lián)合“局部最大值”與“單木樹(shù)冠結(jié)構(gòu)分析”的單木識(shí)別算法。得出以下結(jié)論：(1)本算法相比于傳統(tǒng)的“局部最大值”算法，能夠獲得更精準(zhǔn)的單木位置信息，為其他單木參數(shù)的獲取提供準(zhǔn)確的初始參數(shù)；(2)對(duì)于郁閉林區(qū)(缺乏林下地形信息)，利用影像匹配點(diǎn)云獲取準(zhǔn)確的單木位置與株數(shù)等信息，拓寬了固定窗口的“局部最大值”單木識(shí)別算法的應(yīng)用范圍。

本文的研究還存在以下的問(wèn)題：(1)由于本算法涉及多個(gè)閾值，而閾值的確定以實(shí)測(cè)數(shù)據(jù)的統(tǒng)計(jì)為基礎(chǔ)，這是本算法的不足之處，下一步考慮通過(guò)對(duì)無(wú)人機(jī)影像匹配點(diǎn)云的分析，實(shí)現(xiàn)閾值的自適應(yīng)；(2)單木漏識(shí)別的問(wèn)題，由于部分單木沒(méi)有明確的單木樹(shù)冠頂點(diǎn)導(dǎo)致局部最大值算法也存在飽和的現(xiàn)象，接下來(lái)將考慮綜合使用無(wú)人機(jī)影像點(diǎn)云的光譜與幾何信息，進(jìn)行單木識(shí)別研究。