基于激光雷达点云树冠分形维数和其算法实现.docx

基于激光雷达点云树冠分形维数和其算法实现.docx基于激光雷达点云树冠分形维数和其算法实现摘要:本文以地面激光雷达点云数据为基础,利用盒计数维数法计算单个树冠的分形维数,并对其进行了自相似特征研究。实践证明了该计算方法的可行性。关键词:点云数据;树冠;分形维数;计盒维数中图分类号::A文章编号:1006-4311(2014)01-0190-020引言Mandelbrot(1975)[1]正式提出与建立的分形理论,主要研究分形体的维数及自相似性规律[2],分形维数是分形几何的核心,通过计算分形维数,可以对不规则的自相似几何形体(如植被根系、树木分枝结构、树冠、叶片分布特性及种群分布格局等)的复杂程度进行定量分析[3~6]o树冠作为树木自身遗传特性和环境影响的综合体,决定着林木外部形态以及对光能的截获、水分和养分的分布,既是树木生长发育的结构基础,又直接影响种群的三维空间分布格局。此外,不同的树种本身的树枝、叶片分布情况也不尽相同。前人研究表明林冠结构的复杂性和动态是影响森林生态系统结构和功能的主要因素之一,分形维数反应复杂形体占有空间的有效性,它是复杂形体不规则性的度量。所以文中以激光雷达点云数据为基础,计算单个树冠的三维空间的分维数。本文从分维角度细致解析树冠的分维结构为进一步研究不同树冠分形维数测算提供依据、经营与管理。-1000进行单站点扫描,数据格式存储为LAS格式,对获取的点云数据进行裁剪,只保留树冠部分的信息。,数据文件为las格式的文件,数据是海量级别的,单棵一般的树冠包含几十万个点,数据量太大,再进行相关的研究时,计算会耗费大量的时间,而这样做事没有必要的。故先对数据进行抽稀处理,抽稀方法为:先进行一定的随机抽稀处理,再采用格网抽稀法进一步抽稀,从而简化树冠点云数据。先将LAS格式的二进制文件点云数据转化为所需的文本文件TXT格式,再利用MATLAB软件进行算法实现。数据预处理步骤如下:利用ENVI软件的扩展功能BCALLiDAR读取原始LAS格式的二进制文件点云数据,并将其存储为shp格式输出;(1)中输出的shp文件,打开相应的属性表,将其转储为txt文件格式并输出;在MATLAB中读取2)中txt格式的点云数据,同时利用自编的MATLAB程序对读取的点云数据进行抽稀处理,处理后的结果保存到一个F中,文中后续的计算都是以F为研究对象。图2所示的三棵树冠点云,分别呈现了经过上述预处理后点云的分布情况。注意,三棵树冠均属于不同类型的树种,它们不仅冠形率不同,树冠内部结构分布也不同。。根据吴新玲和周国强(2011)[7]提到的数据集分形维数的计算方法,采用计盒维数法计算点云树冠的分形维。计盒维数是目前应用最普遍的分形维数之一,计算分形维数的数盒子方法,又称为覆盖法,它适用于简单分形,也适用于复杂分形。实践中计算D最常用的方法就是采用计盒方式。数盒子法的实质是改变粗视话程度。对图形进行测量,通常先从数大盒子开始,一次减小盒子的尺度,只计算那些“非空”盒子数。越不光顺、越不规则的图形具有更大的分维。图形越规则,越光顺,其对应的分维就越小。对于空