リモートセンシングデータ（視覚画像とLiDAR）から樹冠領域を抽出する

リモートセンシング画像を処理し、画像から個々の木の冠領域を抽出する方法を探しています。

可視波長領域画像と、そのエリアのLIDARデータの両方があります。問題の場所は砂漠地帯であるため、樹木被覆は森林地帯ほど密ではありません。航空写真の解像度は0.5フィートx 0.5フィートです。LIDARの解像度は約1 x 1フィートです。視覚データとライダーの両方は、アリゾナ州ピマ郡のデータセットから取得されます。私が持っている航空写真の種類のサンプルは、この投稿の最後にあります。

この質問は、ArcMapでの単一ツリーの検出ですか？同じ問題のように見えますが、そこには良い答えがないようです。

ArcmapのIso Cluster分類を使用して、エリア内の植生タイプの合理的な分類（および全体の被覆率に関する情報）を取得できますが、個々のツリーに関する情報はほとんど提供されません。必要なものに最も近いのは、アイソクラスター分類の出力をArcmapのRaster to Polygon機能に渡した結果です。問題は、この方法が木の近くで単一のポリゴンにマージされることです。

編集：私はおそらく私が持っているものについて、さらに詳細を含めるべきでした。私が持っている生データセットは次のとおりです。

• 完全なlasデータと、それから生成されたTIFFラスター。
• 視覚画像（表示されているサンプル画像に似ていますが、はるかに広い領域をカバーしています）
• エリア内の木のサブセットの手動直接測定。

これらから私は生成しました：

1. 地上/植生の分類。
2. DEM / DSMラスター。

スペクトルおよびLIDARデータでの個々のクラウンの検出に関する多くの文献があります。賢明な方法は、おそらく以下で始まる：

Falkowski、MJ、AMS Smith、PE Gessler、AT Hudak、LA Vierling、JS Evans。（2008）。LIDARデータを使用した2つの個別の樹木測定アルゴリズムの精度に対する針葉樹林の天蓋カバーの影響。Canadian Journal of Remote Sensing 34（2）：338-350。

スミスAMS、EKストランド、CMスティール、DBハン、SRギャリティ、MJファルコウスキー、JSエヴァンス（2008）多時期の航空写真におけるジュニパーの侵入のオブジェクトごとの分析による植生空間構造マップの作成。Canadian Journal Remote Sensing 34（2）：268-285

Waveletメソッド（Smith et al。、2008）に興味があるなら、Pythonでコーディングしていますが、非常に遅いです。Matlabの経験がある場合、これが実稼働モードで実装される場所です。NAIP RGB-NIR画像を使用したウェーブレット法を使用してオレゴン州東部で約600万エーカーのジュニパー侵入を特定した2つの論文があるため、十分に証明されています。

Baruch-Mordo、S.、JS Evans、J。Severson、JD Naugle、J。Kiesecker、J。Maestas、およびMJ Falkowski（2013）木からのセイジライチョウの保存：候補者に対する主要な脅威を減らすための積極的なソリューション生物保護167：233-241

Poznanovic、AJ、MJ Falkowski、AL Maclean、およびJS Evans（2014）ジュニパーウッドランドのツリー検出アルゴリズムの精度評価。写真測量工学およびリモートセンシング80（5）：627–637

一般的なオブジェクトの分解では、スケール全体でオブジェクトの特性を分解するために多重解像度ガウス過程を使用した応用数学状態空間文献から、いくつかの興味深いアプローチがあります。これらのタイプのモデルを使用して、生態学的モデルのマルチスケールプロセスを記述しますが、画像オブジェクトの特性を分解するように適合させることができます。楽しいですが、少し難解です。

Gramacy、RB、およびHKH Lee（2008）Bayesian treed Gaussianプロセスモデルとコンピューターモデリングへの応用。Journal of the American Statistical Association、103（483）：1119-1130

Kim、HM、BK Mallick、およびCC Holmes（2005）区分的ガウス過程を使用した非定常空間データの分析。Journal of the American Statistical Association、100（470）：653–668

eCognitionはそのための最良のソフトウェアです。他のソフトウェアを使用してそれを行いましたが、eCognitionの方が優れています。このテーマに関する文献の参照先は次のとおりです。

カールソン、M。、リース、H。、およびオストワルド、M。（2014）。WorldView-2画像と地理オブジェクトベースの画像解析を使用した、半乾燥した西アフリカの管理されたウッドランド（パークランド）での樹冠マッピング。センサー、14（12）、22643-22669。

例：http : //www.mdpi.com/1424-8220/14/12/22643

さらに：

ザガリキス、G。、キャメロン、AD、およびミラー、DR（2005）。デジタル写真測量法と画像分析技術を応用して、樹木と林分の特性を導き出します。カナダの森林研究ジャーナル、35（5）、1224-1237。

例：http : //www.nrcresearchpress.com/doi/abs/10.1139/x05-030#.VJmMb14gAA

DEMを作成してDEMからDEMを減算するには、Esri Raster CalculatorまたはGDAL_CALCでこれを実行できます。これにより、すべての標高が「平等な競技場」に置かれます。

構文（DEM、DSMおよびDHMの代替フルパス）：

GDAL_CALC.py -A DSM -B DEM --outfile=DHM --CALC "A-B"

DHMの大部分は0（または十分に近い）であり、これをnodata値にします。Raster CalculatorまたはGDAL_CALCを使用すると、DHMで観測されるノイズの量に基づいて、任意の値以上の値を抽出できます。この目的は、ノイズを減らし、植生の冠だけを強調することです。2つの「木」が隣接している場合、これは2つの別個の塊に分割する必要があります。

構文（バイナリおよびDHMの完全なパスと、値の観測値の置換）：

GDAL_CALC.py -A DHM --outfile=Binary --calc "A*(A>Value)"

GDAL_CALCまたはEsri IsNullのいずれかでバイナリラスタを作成し、GDAL_PolygonizeまたはEsri Raster to Polygonでポリゴン化できます。

ポリゴンを改良するには、過度に小さいポリゴンを削除してから、シグネチャを探しているRGBバンドと比較し、Esriでゾーン統計ツールが役立ちます。その後、明らかに正しい統計情報を持たないポリゴンを破棄できます（実験とデータに基づいて、値を提供することはできません）。

これにより、個々のクラウンのプロットで約80％の精度が得られます。

私は数年前に同じ問題を抱えていました。フィルター処理されたLASデータやその他の補助データを必要としないソリューションがあります。LiDARデータにアクセスでき、さまざまなリターンからDEM / DSM / DHM（DEM、以降、サーフェスモデルの命名法のセマンティクスについては議論していません）を生成できる場合、次のスクリプトが役立ちます。

arcpyスクリプトは3つのDEMを取り込み、フォレストポリゴンとツリーポイントシェープファイルを吐き出します。3つのDEMは、同じ空間解像度（つまり1メートル）と範囲を持ち、最初のリターン、最後のリターン、およびベアアースを表す必要があります。野菜抽出用の非常に特定のパラメーターがありましたが、他のニーズに合わせてパラメーターを変更できます。これは、Pythonスクリプト作成の最初の本格的な試みであったため、プロセスを改善できると確信しています。

# Name:         Veg_Extractor.py
# Date:         2013-07-16
# Usage:        ArcMap 10.0; Spatial Analyst
# Input:        1 meter DEMs for first returns (DEM1), last returns (DEM2), and bare earth (BE)
# Output:       forest polygon (veg with height > 4m) shapefile with holes > 500m removed;
#               tree point (veg with height > 4m, crown radius of 9 cells) shapefile
# Notes:        Raises error if input raster cell sizes differ

import arcpy, os
from arcpy import env
from arcpy.sa import *

# Check out any necessary licenses
arcpy.CheckOutExtension("spatial")

# Script arguments
dem1 = arcpy.GetParameterAsText(0) #input Raster Layer, First Return DEM
dem2 = arcpy.GetParameterAsText(1) #input Raster Layer, Last Return DEM
bare_earth = arcpy.GetParameterAsText(2) #input Raster Layer, Bare Earth DEM
outForest = arcpy.GetParameterAsText(3) #shapefile
outTree = arcpy.GetParameterAsText(4) #shapefile

# Make sure cell size of input rasters are same
arcpy.AddMessage("Checking cell sizes...")
dem1Xresult = arcpy.GetRasterProperties_management(dem1, "CELLSIZEX")
dem1Yresult = arcpy.GetRasterProperties_management(dem1, "CELLSIZEY")
dem2Xresult = arcpy.GetRasterProperties_management(dem2, "CELLSIZEX")
dem2Yresult = arcpy.GetRasterProperties_management(dem2, "CELLSIZEY")
beXresult = arcpy.GetRasterProperties_management(bare_earth, "CELLSIZEX")
beYresult = arcpy.GetRasterProperties_management(bare_earth, "CELLSIZEY")
dem1X = round(float(dem1Xresult.getOutput(0)),4)
dem1Y = round(float(dem1Yresult.getOutput(0)),4)
dem2X = round(float(dem2Xresult.getOutput(0)),4)
dem2Y = round(float(dem2Yresult.getOutput(0)),4)
beX = round(float(beXresult.getOutput(0)),4)
beY = round(float(beYresult.getOutput(0)),4)
if (dem1X == dem1Y == dem2X == dem2Y == beX == beY) == True:
    arcpy.AddMessage("Cell sizes match.")
else:
    arcpy.AddMessage("Input Raster Cell Sizes:")
    arcpy.AddMessage("DEM1: (" + str(dem1X) + "," + str(dem1Y) + ")")
    arcpy.AddMessage("DEM2: (" + str(dem2X) + "," + str(dem2Y) + ")")
    arcpy.AddMessage("  BE: (" + str(beX) + "," + str(beY) + ")")
    raise Exception("Cell sizes do not match.")

# Check map units
dem1_spatial_ref = arcpy.Describe(dem1).spatialReference
dem1_units = dem1_spatial_ref.linearUnitName
dem2_spatial_ref = arcpy.Describe(dem2).spatialReference
dem2_units = dem2_spatial_ref.linearUnitName
bare_earth_spatial_ref = arcpy.Describe(bare_earth).spatialReference
bare_earth_units = bare_earth_spatial_ref.linearUnitName
if (dem1_units == dem2_units == bare_earth_units) == True:
    if dem1_units == "Meter":
        area = "500 SquareMeters" #Area variable for meter
        unit = 1 #meter
    elif (dem1_units == "Foot_US") or (dem1_units == "Foot"):
        area = "5382 SquareFeet" #Area variable for feet
        unit = 3.28084 #feet in meter
    else:
        raise Exception("Units are not 'Meter', 'Foot_US', or 'Foot'.")
else:
    raise Exception("Linear units do not match.  Check spatial reference.")

# Local variables:
(workspace, filename) = os.path.split(outForest)
arcpy.env.workspace = workspace
arcpy.env.overwriteOutput = True
dem1 = Raster(dem1)
dem2 = Raster(dem2)
bare_earth = Raster(bare_earth)
nbr1 = NbrRectangle(3, 3, "CELL")
nbr2 = NbrRectangle(5, 5, "CELL")
nbr3 = NbrCircle(5, "CELL")

# Give units and multiplier
arcpy.AddMessage("Linear units are " + dem1_units + ". Using multiplier of " + str(unit) + "...")

arcpy.AddMessage("Processing DEMs...")
# Process: Raster Calculator (DEM1 - BE)
ndsm_dem1 = dem1 - bare_earth

# Process: Raster Calculator (DEM1 - DEM2)
d1_d2 = dem1 - dem2

# Process: Raster Calculator
threshold_d1d2 = (d1_d2 > (0.1 * unit))  &  (ndsm_dem1 >= (4.0 * unit))

# Process: Focal Statistics (max 3x3)
focal_max1 = FocalStatistics(threshold_d1d2, nbr1, "MAXIMUM", "DATA")

# Process: Focal Statistics (majority 5x5)
focal_majority = FocalStatistics(focal_max1, nbr2, "MAJORITY", "DATA")

# Process: Con
con_ndsm_dem1 = Con(ndsm_dem1 >= (4.0 * unit), focal_majority, focal_max1)
focal_majority = None
focal_max1 = None

# Process: Focal Statistics (min 3x3)
focal_min1 = FocalStatistics(con_ndsm_dem1, nbr1, "MINIMUM", "DATA")
con_ndsm_dem1 = None

# Process: Focal Statistics (min 3x3)
veg_mask = FocalStatistics(focal_min1, nbr1, "MINIMUM", "DATA")

# Process: Focal Statistics (max R5)
focal_max2 = FocalStatistics(ndsm_dem1, nbr3, "MAXIMUM", "DATA")

arcpy.AddMessage("Calculating tree points...")
# Process: Raster Calculator
tree_points = (veg_mask == 1) & (ndsm_dem1 == focal_max2) & (ndsm_dem1 >= (4.0 * unit))
ndsm_dem1 = None
focal_max2 = None

# Process: Raster Calculator
tree_pick = Pick(tree_points == 1, 1)
tree_points = None

# Process: Raster to Polygon
arcpy.RasterToPolygon_conversion(tree_pick, workspace + "\\tree_poly.shp", "SIMPLIFY", "Value")
tree_pick = None

# Process: Feature To Point
arcpy.AddMessage("Writing tree points...")
arcpy.env.workspace = workspace #reset workspace
arcpy.env.overwriteOutput = True #reset overwrite permission
arcpy.FeatureToPoint_management(workspace + "\\tree_poly.shp", outTree, "CENTROID")

arcpy.AddMessage("Calculating forest polygons...")
# Process: Focal Statistics (max 3x3)
forests = FocalStatistics(veg_mask, nbr1, "MAXIMUM", "DATA")
veg_mask = None

# Process: Raster Calculator
forest_pick = Pick(forests == 1, 1)

# Process: Raster to Polygon
arcpy.RasterToPolygon_conversion(forest_pick, workspace + "\\forest_poly.shp", "SIMPLIFY", "Value")

# Process: Eliminate Holes > 500 sq m (5382 sq ft)
arcpy.AddMessage("Writing forest polygons...")
arcpy.EliminatePolygonPart_management(workspace + "\\forest_poly.shp", outForest, "AREA", area, "0", "CONTAINED_ONLY")

# Clean up
arcpy.AddMessage("Cleaing up...")
arcpy.Delete_management(workspace + "\\tree_poly.shp")
arcpy.Delete_management(workspace + "\\forest_poly.shp")

コメントの長さの制限のため、これを回答として投稿しています。クレジットの希望はありません:)。DEMを提供する非常に幅広いブラシ。

1. 個別のポリゴンのDEMを抽出してデムします。
2. demの高度の極値を定義する
3. zCur + =-zStepを設定します。事前に反復によって見つけられるステップ。たとえば、「ツリートップセル」の標高と隣接セルとの間の合理的なドロップ
4. Below = Con（dem => zCur、int（1））
5. 以下のグループ地域。十分に大きく数える、それが「木」です。ここで目視検査、予備調査で定義が必要ですか？
6. zCur> zMinの場合は手順3に進み、それ以外の場合は手順1に進みます。

プロセス内のグループの最大数=個々のポリゴン内のツリーカウント。追加基準、たとえばポリゴン内の「ツリー」間の距離が役立つ場合があります...カーネルを使用したDEMスムージングもオプションです。