基于区域合并的Mean Shift算法识别单木研究

摘要

为准确识别森林单木,采用区域合并的Mean Shift算法对机载点云进行单木分割.首先,以点云三维特征空间为特征向量,选择核带宽度及收敛阈值,采用Mean Shift算法对点云进行初始过分割;其次,以过分割点簇为对象,选择分割尺度、平滑度和紧凑度参数,采用基于区域邻接图的最优层次合并方法对点簇进行合并.最后,剔除3.5 m高度以下和异常点云,以点云中心点为单木位置,计算森林密度.实验结果表明,基于区域合并的Mean Shift算法能够检测到89％以上的单木,单木识别精度达91.6％,避免了生成CHM的初始误差.