基于条件随机场模型和森林三维形态结构的树种分类算法研究

The theory of intelligent analysis with the oriented feature has become the hot technology of forest reserves survey and protection fields. On one side, the traditional intelligent recognition models commonly suppose that the distribution of the observation data is independent identically or independent conditionally. These hypothetical conditions do not confirm the regularity of tree species distribution. On the other hand, the other features of object cannot be put into the process of model training, which cannot take full advantage of the multi-platform multi-dimensional images. Moreover, due to the topographical relief and the complex distribution of forest region, the tree species recognition is tied to spatial information. However, the data sources of some traditionally spatial information acquisition methods are commonly limited to the homologous images with the same scale or the high cost. In this project, the innovational research is developed on the intelligent recognition model and algorithm of tree species. At first, the stereo morphological model is developed, and then the three dimension morphological structures are generated based on this model; at last, the conditional random fields (CRFs) is improved for the tree species recognition. The distinct character of the CRFs is to fuse the up and down information of the observation data and multi-feature in the process of model training, which not only takes full advantage of the multi-platform multi-dimensional images, but also improves the reliability of tree species recognition. The research contents of this project have the specific application object and the urgent demand background, and the research result can be beneficial to the informatization of forestry development.

智能分析理论以鲜明的面向对象的特点成为森林资源综合防控与监测领域的热门技术。目前常用的智能分类识别模型一方面大都假设观测数据是独立同分布或条件独立的，不符合森林树种的分布规律；另一方面在模型训练过程中无法加入目标的其他特征信息，无法充分利用多平台多维影像的特征。另外，森林地区通常具有一定的地形起伏，分布复杂多变，其分类识别与空间形态结构信息密不可分，而传统空间信息获取的方法存在数据源较为单一和成本相对较高的缺陷，对形态结构信息的利用多限于二维。本项目以森林树种的智能分类识别模型为研究对象，围绕树种智能识别开展算法与模型的创新性研究，重点研究如何获取树木三维形态结构信息，改进可以融合上下文信息和多特征参与训练的条件随机场判别式模型，对森林地区的树种进行高精度智能分类识别。项目研究内容具有明确的应用目标和迫切的需求背景，研究成果将有利于我国林业发展的信息化。

智能分析理论以鲜明的面向对象的特点成为森林资源综合防控与监测领域的热门技术。目前常用的智能分类识别模型一方面大都假设观测数据是独立同分布或条件独立的，不符合森林树种的分布规律；另一方面在模型训练过程中无法加入目标的其他特征信息，无法充分利用多平台多维影像的特征。另外，森林地区通常具有一定的地形起伏，分布复杂多变，其分类识别与空间形态结构信息密不可分，而传统空间信息获取的方法存在数据源较为单一和成本相对较高的缺陷，对形态结构信息的利用多限于二维。本项目以森林树种的智能分类识别模型为研究对象，围绕树种智能识别开展算法与模型的创新性研究，重点研究如何获取树木三维形态结构信息，改进具有融合上下文信息和多特征参与训练的条件随机场判别式模型，对森林地区的树种进行高精度智能分类识别, 项目研究内容具有明确的应用目标和迫切的需求背景。课题组选取北京市鹫峰林场和福建三明将乐林场为研究区开展研究，主要成果有：（1）由于树木在多个视角获取的图像中表现形式差异较大，形态特征的相似性较小，导致多视立体像对误匹配性较大，针对这个问题，提出改进的图割立体匹配方法和改进的SIFT立体匹配算法两种方法，能够快速提取到大量高可靠性的同名特征点对，保证了林区多视立体影像对的高精度匹配，该研究可为后续树木三维形态结构信息的提取提供前提条件。（2）研究了一种基于主动轮廓模型的林区三维冠层形态结构提取方法，可以实现林区树木三维形态结构信息的高精度提取，为后续树种的智能识别提供前提条件；（3）构建树种智能识别模型，实现杉木、马尾松和杂木等的精确识别，便于森林资源的综合监测与防控。研究成果将有利于我国林业发展的信息化。