基于多光谱LiDAR数据的森林单木提取与树种分类方法研究

Multispectral LiDAR, which includes several active imaging channels of different wavelengths for day or night mapping of complex environments, opens the doors for multispectral acting imaging of forest resource investigation and monitoring. Currently, the use of multispectral LiDAR data is facing the following issues: lack of an effective means of integrating all channels into a comprehensive and single point cloud, low automation of tree feature extraction algorithms by using spectral and geometric information, and lack of feature descriptors for three-dimensional (3D) tree points and robust tree species classifiers. To solve these issues, this project, with the knowledge of computer vision, numerical analysis, computational geometry and remote sensing-related fields, will research on methods of (1) data fusion of multiple channels, (2) terrain filtering and single tree segmentation by using the integration of spectral and geometric information, and (3) bag-of-spatial-word feature abstraction for representing local features extracted from 3D tree points, followed by a Deep Boltzmann Machine Mode based classifier to successfully distinguish tree species. This project emphasizes on the automation of multispectral LiDAR data and aims at providing a theoretical foundation and prototype in the forest resource monitoring and management.

多光谱LiDAR系统出现为森林资源调查和监测开启了一个新的数据时代。目前，基于多光谱LiDAR数据的应用存在缺乏有效多波段数据融合方法、基于空间几何信息与光谱信息结合的单木特征提取智能化程度低、树木三维点云的整体特征描述能力不足、分类方法上特征抽象与可区分能力差等问题。本项目结合计算机视觉、数值分析、计算几何等领域理论和方法，重点研究（1）多光谱LiDAR多波段点云数据集的融合模型，（2）光谱-空间几何信息结合的森林地形提取以及归一化割的三维单木点云数据分割方法，（3）根据单木点云数据的局部特征抽象，建立单棵树木的整体特征的空间词语袋，通过深层波尔兹曼机模型构建的多层分类器从而实现树种分类。本研究将着重于多光谱LiDAR数据的智能化处理，为多光谱LiDAR技术在森林资源调查提供技术示范与实现方法。

多光谱机载LiDAR（multi-spectral airborne Light Detection And Ranging （LiDAR））系统能够同时获取地表面上地物的表面几何和光谱数据，已成为一种快速的大范围空间数据获取手段，为地形测绘、土地覆盖类型分类、无缝浅水测深，环境建模、森林调查和植被类型分类、自然资源管理、灾害响应等开启了一个新的数据时代。针对多光谱LiDAR点云数据海量特性，并且多个波段采集的点云数据与点云数据是不重合的，他们之间存在一定偏移量，三维点云的整体特征表述不足，分类方法上特征抽象与可区分能力弱等问题，难以实现树木点云目标的正确分类。本课题将以多光谱LiDAR点云数据为基础, 寻找快速、准确、自动的单木分割和地物目标识别方法。研究内容主要包括（1）针对多光谱LiDAR点云数据特点，研究合适的三维或二维遥感数据融合模型以及内插方法，将多个波段单独的点云数据融合为一个综合的单一点云数据集，该数据集合中每个激光点包含多光谱信息；(2) 研究树木点云的光谱和几何参数模型，确定归一化割（Normalized Cut，NCut)三维单木点云分割技术，从而实现单棵树木的分割；（3）基于深度学习，实现树种分类以及地物覆盖分类方法研究；（4）以多波段LiDAR点云数据，通过大量实验验证提出的理论、方法和算法设计的正确性，开发出基于多光谱LiDAR数据的森林参数估算实验系统和软件平台。本课题通过对多光谱LiDAR新技术、新手段的研究，可提高多光谱LiDAR数据的智能化解译水平与目标识别的自动化程度。研究成果对我国森林资源调查和监测不仅具有重大的科学意义（如森林生物量估算，森林结构分析，森林扰动分析，全球气候变化及其区域响应等），而且具有广阔的应用价值（如森林蓄积量与开发）。对提高我国林业资源的管理与调查、能源规划和开发利用具有重要的现实意义。