1.基于多層級樹木結(jié)構(gòu)分析的樹木分割方法，包括如下步驟：

步驟1，構(gòu)建樹冠高度模型；

在提取樹木之前，需要對LiDAR點云數(shù)據(jù)進行處理，構(gòu)建出樹冠高度模型并在該模型上提取出樹木；具體步驟如下：

11)對LiDAR點云數(shù)據(jù)進行高度歸一化操作；初始的LiDAR點云數(shù)據(jù)可以被分為地面點和非地面點，進行高度歸一化操作后，將會改變點云數(shù)據(jù)的高度值，使地面點的高度值為0，非地面點也會隨著地面點而改變；

12)構(gòu)建局部CHM；使用高度歸一化后的點云數(shù)據(jù)來構(gòu)建不同高度的局部CHM，局部CHM是過濾掉特定高度值以下的點云數(shù)據(jù)生成的CHM，每隔5米生成相應(yīng)的局部CHM；

13)將多個CHM聚合為一個CHM，將所有不同高度值的局部CHM進行疊加，在每個像素位置上取最高值，最終獲得CHM；

步驟2，分割上層樹木；

為了縮小分層分析的范圍，先對CHM進行預(yù)分割，提取出上層樹木的輪廓信息；分割算法的主要思路是利用CHM的拓撲結(jié)構(gòu)，將CHM劃分為小節(jié)點并分析節(jié)點與節(jié)點之間的關(guān)系；利用權(quán)重值的關(guān)系將屬于一棵樹的節(jié)點劃分到一起；分割算法具體步驟如下：

21)將CHM的高度值劃分為64位高度級；將相鄰且相同高度級的像素點匯聚成塊，聚集過程采用8鄰域；

22)利用鄰域聚合將這個塊視為節(jié)點構(gòu)建出塊有向圖(P-DAG),節(jié)點為像素聚集塊，相鄰且高度較高的塊指向高度較低的塊作為邊；在塊有向圖中一個節(jié)點可以有多個父節(jié)點和子節(jié)點；擁有局部最大值的塊視為沒有父節(jié)點的塊，這個頂點塊也可作為一個層級塊的頂點；將相鄰的塊進行連接，高度級較高的塊指向高度級較低的；塊可能屬于多個層級；構(gòu)建出P-DAG后，將層級塊作為一個實體節(jié)點，研究層級塊與層級塊之間的關(guān)系，構(gòu)建出層級塊有向圖(H-DAG)；層級塊是以頂點塊為中心，以這個塊為起點所有能到達的塊聚集而成的；與塊有向圖相同，層級塊有向圖也是較高的層級塊指向較低的層級塊；但是當高度級相同時，通過層級塊的像素數(shù)量和層級塊中頂點塊的像素數(shù)量來判斷層級塊之間的指向；

23)構(gòu)建出層級塊有向圖后，需要計算層級塊與層級塊之間邊的權(quán)重值，當層級塊屬于同一棵樹時，層級塊之間的權(quán)重值就越大；有向圖中的權(quán)重值由三個部分組成：高度距離(LD)，節(jié)點距離(ND)和層級塊中心距離(TD)；

i.高度距離(S_LD(p,q))是兩個層級塊中的頂點塊與共有塊之間最小的高度差；當高度差越小時，兩個層級塊屬于同一棵樹的可能性就越大；高度距離通過下面的公式來計算，

其中，p和q是兩個用于分析相互關(guān)系的層級塊，r_p是層級塊p中的頂點塊，r_q是層級塊q中的頂點塊，H_p是層級塊p中所有塊的集合，H_q是層級塊q中所有塊的集合，dh(r,i)是塊r和塊i之間的高度差，r是r_p和r_q的其中一個，i是H_p和H_q共有的塊；

ii.節(jié)點距離(S_ND(p,q))是兩個層級塊之間層級塊的頂點塊到共有塊的最小塊數(shù)量；當距離值越小時，兩個層級塊屬于同一棵樹的可能性就越大；節(jié)點距離通過下面的公式來計算，

其中dn(r,i)是P-DAG中塊r和塊i之間塊的數(shù)量；

iii.層級塊中心距離(S_TD(p,q))代表著兩個層級塊之間頂點塊的水平距離；如果頂點塊有多個像素，則用塊的中心塊來代替；同樣，當距離越小時，兩個層級塊屬于同一棵樹的可能性就越大；節(jié)點距離通過下面的公式來計算，

其中C(r_p)和C(r_q)是層級塊中頂點塊的中心坐標；

iv.有了上面三個聚合條件后，可以計算出層級塊之間邊的權(quán)重值(W(p,q))，公式如下：

W(p,q)＝W_LD×S_LD(p,q)+W_ND×S_ND(p,q)+W_TD×S_TD(p,q) (4)

其中W_LD，W_ND和W_TD是權(quán)重系數(shù)，采用W_LD：W_ND：W_TD＝3:3:4的比重；

v.計算出權(quán)重值后需要過濾層級塊有向圖中的邊，權(quán)重值越大代表兩個層級塊之間聯(lián)系得越緊密，兩個層級塊為一顆樹木的可能性也就越大；反之亦然，因此我們將會過濾掉權(quán)重值小于0.5的邊，當指向同一個層級塊有多條邊時，取權(quán)重值最大的邊；

24)通過層級塊之間邊的分配，可以知道哪些層級塊屬于同一棵樹，但是在這種情況下無法分配共有塊，也就沒法獲取每棵樹木的輪廓；因此，對共有的塊按距離來分配，將共有塊分配給更近的層級塊；分配完共有塊后即可獲得最終的分割結(jié)果；

步驟3，分析分層樹木及分割下層樹木；

初步分割后的結(jié)果可能代表著單棵樹木或者多棵樹木，獲取到預(yù)分割的結(jié)果后，通過相應(yīng)區(qū)域的點云數(shù)據(jù)來分析分割后的層級結(jié)構(gòu)；利用點云數(shù)據(jù)生成LiDAR點云高度直方圖，統(tǒng)計相應(yīng)高度值的點數(shù)量，并且對直方圖進行擬合處理；當存在著上下兩層樹木時，通常會在圖中呈現(xiàn)出凹陷的現(xiàn)象；利用直方圖中斷層的特性，采用滑動窗口法求得斷層高度位置；隨后將上下兩層樹木分開處理，在獲得上層樹木信息的同時分析出下層樹木信息；如果檢測出了多個斷點，則把最高的斷點作為斷層的位置并忽視其他斷層位置；最終獲得下層樹木的LiDAR數(shù)據(jù)；

通過上述操作，從原始數(shù)據(jù)中提取出下層樹木的LiDAR數(shù)據(jù)；這時采用步驟2的分割方法對下層LiDAR數(shù)據(jù)進行分割來獲得下層樹木的信息。