摘 要

植被冠层是植物与外界发生相互作用的重要场所，植物冠层相关指标的测量在林学上也一直是个难题。现有冠层测量方法复杂且不精确， 本论文利用MATLAB工具对点云数据进行处理，首先读出局部林分的原始点云数据，并对其进行去噪处理，通过基于分水岭算法提取出单株树木的冠层点云数据，并手动提取树形形状近似的冠层点云数据再拟合，然后用球面调和算法获得冠层的特征描述子，手动提取的冠层的特征描述子作为SVM分类器的支持向量，最后将待分类的冠层的特征描述子进行SVM分类，进一步通过聚类的方法对林木冠层进行分类，将分类的结果再进行拟和，再计算林分冠层的叶面积指数等主要参数。

关键词：林分；分水岭算法；SVM；聚类；拟合与重构

Classification of forest canopy based on

Laser point cloud data

Abstract

Abstract: Canopy is an important place to interact with the outside of the plant, measuring plant canopy relevant indicators on forestry has been a challenge. Existing canopy measuring method is complicated and imprecise, this thesis using MATLAB tools for point cloud data processing, first read the original local stand point cloud data, and its de-noising, extracting a single watershed-based algorithm canopy trees of point cloud data, and manually extract the approximate shape of a tree canopy point cloud data to fit again, then spherical harmonic algorithm to obtain sub-canopy characterization, feature manually extract canopy descriptors as SVM feature support vector classifiers, and finally to be classified canopy descriptors were SVM classification, by further clustering method to classify the forest canopy, the classification of the results and then proposed, and then calculate stand canopy The main parameters of leaf area index.

Key words: Stands; Watershed algorithm; Clustering; SVM; Fitting and Reconstruction

目 录

摘 要 2

Abstract 3

目 录 4

第一章 绪论 1

1.1 研究背景 1

1.2 国内外研究现状 1

1.3 组织结构 2

1.4 研究目的 3

1.5研究意义 3

第二章 激光点云技术 4

2.1 激光点云技术的简介 4

2.2激光点云技术的分类 4

2.3 激光点云需要解决的问题 4

第三章 MATLAB软件的介绍 5

3.1 MATLAB的产生和发展 5

3.2 MATLAB的主要特点 5

3.3 MATLAB系统的构成 6

3.4 MATLAB的工具箱 6

第四章 图像处理 7

4.1 图像分割技术 7

4.1.1图像分割技术简介 7

4.1.2图像分割技术的应用领域 7

4.1.3图像分割技术的发展前景 7

4.2 分水岭算法 7

4.2.1分水岭算法的简介 7

4.2.2分水岭算法的代码 8

4.2.3分水岭算法的分割效果图 9

4.2.4结论 12

4.3 SVM分类算法 12

4.3.1SVM分类算法的原理 12

4.4聚类算法 12

4.4.1聚类算法的概念 13

4.4.2 k-means聚类算法 13

4.4.3层次聚类算法 15

4.4.4 SOM聚类算法 16

4.4.5 FCM聚类算法 16

4.4.6 四种聚类算法的试验 17

4.5 点云数据的三维重构 18

4.5.1点云数据的骨架提取 18

4.5.2点云数据的曲面拟合 22

第五章 总结与展望 27

5.1 论文的总结 27

5.2 论文的展望 27

致 谢 29

参考文献 30

第一章 绪论

1.1 研究背景

自上世纪以来，由于大气的环境越来越差，植被的生长情况的也不容乐观，大多的研究者开始对植被的生长情况开始进行研究，以图能够促进植被良好的生长，进而有效的改善大气环境，人们逐渐的发现植被的冠层生长状况对环境有着直接的影响，从而很多研究者朝着这个方向进行研究。

早期人们对冠层的研究主要是使用望远镜，攀爬等方法，且都以定性研究为主，很少进行定量研究，随着科技的不断发展，慢慢的产生了很多新的研究方法，研究者逐渐可以采用有效，便捷的定量的方法对林木冠层进行研究，大大增强了林木冠层对植被生态系统的影响。

研究者们突然发现，对植被冠层的参数进行测量，我们首先从一片林木中获取单株树木，而这又要求我们如何通过一些算法能准确的提取单株树木，将单株树木从一片林木中分割开来，传统的图像分割算法有很多，例如人工蜂群算法、蚁群优化算法、差分进化、模拟退火，支持向量机 ,粒子群算法 ,人工鱼群算法,小生境技术，但都有彼此的缺陷和优势，分水岭算法对于提取单株树木却有比较好的优点。

1.2 国内外研究现状

点云技术一开始大多在机械制造行业进行广泛的使用，但在最近几年科学计算得到了迅速的发展，不仅能够处理更多点云数据，而且相应设备的价钱发生了大幅度的下降，有的采集设备价钱从一开始的几十万美元降到目前的几千美元，但其精度并没有下降反而越来越高，所采集的范围也越来越广泛。如今点云技术已经开始在各个领域都有所发展，主要是因为点云技术的使用不仅仅能够节约很多的时间，与此同时也增加了数据的准确性。

     关于点云技术的使用，我们已经开始使用另一种研究方法。即我们现在对现实的东西进行虚拟化，这与我们之前将虚拟的东西现实化正好相反，而点云技术正是一个虚拟与现实的相结合的方法。

     点云数据的获得有很多的方法，如基于地面激光扫描的方法和基于机载激光的方法。地面激光扫描在国内已经应用相当广泛而车载激光扫描在国内还处于不断发展的过程中。当然，不同扫描方法获取的点云数据的准确度也不一样，而且都有的优点与缺点。