高分辨率遥感影像植被纹理特征对三维绿量的表达研究

3D green biomass could reflect the quality and eco-efficiency of urban green space objectively. On high spatial resolution RS image, the texture structure shows well the vegetation formation, diameter, density, shadow; the information is connected with 3D green biomass. Now, the texture analysis technology has been developed well and the texture features could be extracted successfully by improving and combining of different methods according to specific application. In the same time, 3D laser scanning technology could support 3D green biomass field surveying for this study. In this study, two times of last 10 years high spatial resolution images of chosen region, including the year of biomass field surveying would be used to set up the vegetation texture image database.3D model and green biomass of the field vegetation corresponding to sample images would be surveyed by 3D laser scanning instrument as the unit of individual tree or community structure. Based on the above study, the 3D visual image database of vegetation texture would be established. The vegetation texture features of image database would be extracted by statistical or a local binary pattern (LBP) approaches combining with other algorithms. The correlation between the vegetation texture features on the images mapped in the year of biomass field surveying and 3D green biomass would be analyzed using statistics theory. In the same time, the expression ability of the texture feature for the 3D green biomass would be studied by quantification method. The texture feature of slow growth trees on two times images would be analyzed by statistics theory, in order to understand and modify the affection of resolution, mapping time and other mapping condition to texture feature. Based on above study, the effective correspondence between texture feature and 3D green biomass would be constructed.

绿地三维绿量客观地反映了绿地的质量和生态效益。在高分辨率遥感影像中，纹理能清晰地表现植被的结构、冠径、密度和阴影，这些信息与三维绿量密切相关。目前，纹理分析技术发展较好，通过有针对性的改进、结合，可以较好地提取纹理特征；同时三维激光扫描技术能够为树木三维测量研究提供支持。本研究将利用包括绿量测量当年近10年内的两期不同城区高分辨率遥感影像，制作绿地植被纹理库；利用三维激光扫描仪，对纹理库中的植被以单株或群落为单位进行三维重建、计算三维绿量，在此基础上建立植被纹理三维可视化图库。利用统计方法或二进制方法与其它方法相结合，提取图库中植被纹理特征。利用数理统计方法，分析绿量测量当年影像植被纹理特征与三维绿量相关关系，定量研究植被纹理特征对三维绿量的表达能力；选择生长缓慢树木，分析两期影像纹理特征的变化规律，定量研究分辨率、时相、成像条件等对纹理特征的影响；建立纹理特征和三维绿量的有效对应。

城市绿地三维绿量、植被结构是城市绿地质量的重要体现。随着遥感技术的发展，高分辨率遥感影像的可获取性越来越好，植被结构、树木冠层结构在影像中得到较好的表现，研究利用遥感方法进行城市绿地三维绿量提取，对城市绿地质量评价、绿地科学规划具有重要意义。.该项目目前主要核心内容主要包括：.（1）遥感图像纹理提取的前期处理工作：主要研究影像的融合、灰度共生矩阵影像纹理在土地利用分类、湿地分类中的应用。研究结果表明，融合后的影像更有利于纹理信息提取，利用融合后的影像的纹理信息可以提高湿地类型分类、土地利用分类精度。用于植被结构分类，三维绿量计算时也应利用融合后的影像进行纹理信息提取。.（2）图像模式识别技术研究。为提供更好的分类方法，项目组成员在图像模式识别、分类技术和方法上进行了研究和探索。分别提出基于最邻近正交矩阵表达分类方法，该方法利用每个实体影像都可以通过局部相邻的正交矩阵奇异值分解的值进行区别，该方法可以较好地用于人脸识别，分类结果优于稀疏表达和线性回归分析方法，用于面向对象分割后的影像识别，目前项目组还在研究之中。.（3）三维绿量纹理库的建立：该部分内容主要利用三维激光扫描测量技术进行树木三维模型建立研究。目前项目组主要在三维激光扫描测量中的精度问题、点云数据的处理、树木三维模型的建立等问题进行了研究。通过研究得出目标的颜色对扫描精度影响较大，粗糙度影响较少，扫描的距离对角度、符合精度都有影响。.项目组在已有成果的基础上，利用高分辨率Worldview（0.41m空间分辨率）及普莱亚（0.5m空间分辨率）影像，结合地面三维激光扫描测量，建立三维绿量纹理库。目前，项目组还需要花一些时间扩充三维绿量纹理库，相关研究为进一步研究纹理特征和三维绿量相关性准备基础。.（4）不同植被结构纹理库的建立：项目组已根据相关文献，按照阔叶林、针叶林、乔灌草混合、灌草混合、人工草地、杂草等几个类别分别获取纹理样区建立纹理库，目前已通过影像和实地对照，选择纹理样区近千个，建立纹理结构纹理库。.（5）纹理特征计算：项目组主要利用灰度共生矩阵、二进制算法对不同植被结构纹理库的特征进行分析对比，分别采用基于窗口和面向对象的方法获取其植被特征、灰度共生矩阵和二进制算法影像纹理特征。灰度共生矩阵在每一种植被类型中，与植被指数、植被覆盖度相关性较好，二进制算法还需要一些改进，相关内容还需要深入的研究。

内容获取失败，请点击重试