基于高光谱-LiDAR融合数据的输电线路树障单木识别方法研究

摘要

社会对于电力能源的需求在不断扩大，而我国能源地理分布不平衡，为了解决能源的需求问题，开展了“西电东送”等一系列工程，建设了一批高压工程输电工程，其大多地处无人区，生长的茂密的植被，输电线路在这些区域面临极大的植被生长威胁，严重时会造成电网停运带来巨大经济损失。树障是输电线路面临的主要威胁之一，而树木的种类和树障问题有紧密的关系，快速获取单木数量和种类对于树障风险的监测和预警都有重要作用。目前对于线路植被威胁的巡检主要是方式是人工巡检，由电力部门的人员徒步进入输电走廊区域目视排除树障，这种方式效率低下，人员进入山区也十分不便。高光谱成像能够快速获取植被冠层的光谱特征，通过提取到的冠层“指纹”信息，能够从冠层叶片的组成上反映类别，而LiDAR点云系统能够快速获取区域内植被冠层的三维空间点云，能够从三维空间结构和其他方面来表征单木的种类。　　本文利用机载高光谱成像和LiDAR点云系统，快速采集某地220kV高压架空输电走廊区域的原始高光谱影像和点云数据，进行了融合数据的单木种类识别研究。首先，对提取到的两种类型的数据进行了预处理，包括滤波去噪、植被冠层点云分割、获取冠层高度模型(CHM)和点云空间高度归一化等，利用LiDAR点云数据的冠层高度模型和归一化点云进行单木分割，并决策融合高光谱灰度图形对CHM分割结果进行修正，随后以分割出的单木为最小分类单元，提取了单木的高光谱特征，包括植被指数、特征波长，提取了单木的LiDAR点云特征，包括单木高度、冠层面积、冠层体积、点云密度、点云强度、冠层形貌指数。最后，选用随机森林和支持向量机分别建立了单一特征和融合特征下的单木种类识别模型。　　单木的精准分割对于单木种类的识别具有重要的意义，本文分别采用冠层模型(CHM)和归一化点云进行单木的分割，前者与实际单木数量匹配度71.5%，而后者的匹配度为73.8%，利用高光谱灰度图像对CHM分割结果进行决策融合，有效减少了过分割现象，使得匹配率提升了18.8%，植被指数-特征波长(高光谱特征)和冠层点云密度、强度、形貌指数(LiDAR点云特征)，对于单木种类的识别效果有一定程度提升，但基于单一类型特征的单木种类识别，其准确率最高也仅达到80%，将特征进行融合后，两种分类模型对单木类别的分类精度大幅度提升，交叉验证准确率最高达95.6%。最后建立“融合-PCA-SVM”单木种类分类模型，对测试集中的40棵未知单木进行识别，准确率达到89.9%。结果表明：在单木分割阶段对高光谱数据和LiDAR点云数据进行决策融合能够提升分割精度，在单木种类识别阶段对高光谱数据和LiDAR点云数据进行特征融合，可以实现单木种类的高精度识别，融合数据能够实现树障单木种类准确获取，可以作为输电线路区域植被信息获取和树障预警的有效手段。

目录

声明

第 1 章 绪论

1.1 研究目的和意义

1.2 国内外研究现状

1.2.1 高光谱成像用于树种识别

1.2.2 激光雷达用于地物分类

1.2.3 高光谱和激光雷达融合用于树种分类

1.3 本文研究内容和技术路线

1.3.1 研究内容

1.3.2 技术路线

1.4 论文章节安排

第 2 章 LiDAR点云和高光谱采集系统

2.1机载LiDAR测量原理及方法

2.2高光谱成像原理和方法

2.3数据采集和预处理

2.3.1数据采集

2.3.2点云数据滤波和归一化

2.3.3高光谱曲线黑白校正和平滑滤波

2.4 本章小节

第 3 章 单木分割和单木特征提取

3.1 基于单一数据源的冠层单木分割

3.1.1 基于冠层高度模型(CHM)单木分割

3.1.2 基于点云数据的单木分割

3.1.3 结果分析

3.2 融合高光谱图像的CHM单木分割

3.2.1 决策融合分割方法

3.2.2 结果分析

3.3 单木特征提取

3.3.1 冠层点云特征提取方法

3.3.2 冠层高光谱特征提取方法

3.3.3 结果分析

3.4 本章小节

第 4章 融合数据的单木种类识别

4.1 模型验证及精度评价

4.2 基于单一特征参量的单木种类识别

4.2.1 随机森林

4.2.2 支持向量机

4.2.3 结果分析

4.3 融合数据的单木种类识别方法

4.3.1 融合点云特征和高光谱特征的单木种类识别方法

4.3.2 结果分析

4.4 模型验证

4.5 本章小节

结论与展望

致谢

参考文献

攻读硕士学位期间的研究成果