单木树冠识别与轮廓勾绘(Individual Tree Crown Detection and delineation,ITCD)对森林蓄积量、生物量的估算,物种识别以及林木生长模型的构建等具有重要意义。无人机遥感技术(UAVRS)为林业资源调查带来新的契机,本文基于无人机影像及其密集匹配点云进行ITCD实验,旨在研究一种成本可控、精度可靠,能够补充甚至部分替代卫片、航片或者激光雷达的大比例尺森林制图方案。(1)在以无人机高分正射影像(UAV-DOM)为数据源的单木冠幅轮廓提取研究中,冠内光谱异质性是影响单木识别的最大障碍。本文引入一种新颖的偏移场影像处理方法,在保持影像上树冠边界完整性的同时降低冠层内光谱异质性;文章利用局部灰度聚类算法估算偏移场树冠影像,结合标记控制分水岭变换算法实现对2个森林样地林窗内的单木冠幅轮廓提取工作;同时,研究比较了不同条件下(结合内外标记、仅内部标记和不加标记的情况)分水岭分割算法的单木冠幅轮廓的提取精度,得出偏移场树冠影像结合内部标记的分水岭分割算法具有相对更高的单木提取精度(F-测度≥90%)。本文还将该算法扩展到5个复杂林分场景(Plot 1～5)之中,进一步验证了算法的鲁棒性、适用范围等。(2)以影像匹配点云为数据源的单木冠幅轮廓提取研究主要包括:栅格化冠层高度模型构建、单木树冠识别与轮廓勾绘、树冠点云三维分割和单木结构参数提取4个部分。利用渐进式的形态学滤波方法、泛克里金法、“归一化的影像匹配点云栅格化法”以及“最大均值法”实现了对栅格化的植被冠层高度模型的构建;然后,利用局部最大值法和改进的种子区域生长算法实现单木树冠识别与轮廓勾绘的过程;同时,以单木冠幅树冠轮廓凸包多边形为参考,利用包内影像匹配点云重构单木树冠形态,达到三维分割的效果;另外,文章还对单木树冠的地理位置、树高、冠幅等参数进行提取;结果表明:算法对单木识别检出率>75%,生产者精度>85%,用户精度>75%;对树冠轮廓勾绘,相对面积误差绝对值<9%,两样本F-测度均>85%,研究表明,该算法具备应用于大比例尺森林制图的可能性。(3)多尺度、多角度的精度验证框架。本文基于手绘的参考树冠轮廓,设计了一种从林分逐渐精细到单木,从点精度逐渐拓展到多边形精度的精度验证框架,即采用林分点精度、林分多边形精度、单木点精度和单木多边形4类精度验证标准评价单木树冠提取精度。同时,参考基于无人机影像匹配点云数据的单木树冠的提取结果,选取冠幅的估测结果进行回归分析、残差检验,也作为一种间接的树冠提取结果的精度评价方法,结果表明:算法对单木冠幅的提取精度误差最低可控制在0.06m以内(RMSE)。