《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：WDTS: Water droplet model-driven entropy optimization for individual tree skeletonization from terrestrial laser scanning point clouds
编辑推荐：
单木骨架提取是林业遥感领域的核心基础任务，是支撑从树木结构参数估算到碳循环建模等各类下游应用的关键前提。然而现有多数骨架提取方法难以同时实现紧凑、居中的单木骨架，并保持细节保真度与拓扑合理性。为此，研究人员提出了一种水滴模型驱动的熵优化方法（Water dro
单木骨架提取是林业遥感领域的核心基础任务，是支撑从树木结构参数估算到碳循环建模等各类下游应用的关键前提。然而现有多数骨架提取方法难以同时实现紧凑、居中的单木骨架，并保持细节保真度与拓扑合理性。为此，研究人员提出了一种水滴模型驱动的熵优化方法（Water droplet model-driven entropy optimization approach, WDTS），用于从地基激光扫描（Terrestrial Laser Scanning, TLS）点云中提取单木骨架。WDTS将单木TLS点云建模为包含不同质量水滴的系统，通过模拟水滴收缩、合并与蒸发过程逐步生成骨架，其核心是一种熵减框架，可逐步驱动水滴形成紧凑骨架。为进一步增强骨架居中性，WDTS采用几何与拓扑交织的优化策略，通过最小化残差平方和将骨架显式对齐至枝条点云中心。在三组采用不同采集策略的单木TLS点云数据集上的实验验证了WDTS的有效性与鲁棒性。相较于现有方法，尤其是当前最优的Dijkstra增强L1-中值法，WDTS显著提升了骨架的紧凑性与居中性，在单站扫描、多站拼接及模拟数据集上平均绝对误差（Mean Absolute Error, MAE）分别降低0.011 m、0.002 m与0.030 m，生成的骨架包含骨架点与拓扑连贯的边，可为高精度树木几何建模、生物量估算及林业可持续发展应用提供可靠基础。WDTS代码已开源：https://github.com/Putaonjfu/WDTS。
该研究发表于《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》。研究背景方面，单木骨架提取是林业遥感的核心任务，可将复杂三维点云转化为简化的低维拓扑结构，支撑三维树木重建、结构参数提取、生物量与材积估算、枝冠分割及树木表型分析等下游应用。当前地基激光扫描（TLS）技术已能获取高质量林业点云，但单木骨架提取仍面临三大瓶颈：一是细节保真度不足，TLS点云受噪声、离群点、树梢区域稀疏及遮挡导致的数据缺失影响，传统圆柱、圆锥等基元拟合方法对稀疏与遮挡高度敏感，易丢失局部骨架信息；二是拓扑合理性难以保障，现有图优化、局部特征优化及深度学习（Deep Learning, DL）方法在枝条交叉、密度变化时易产生拓扑短路或冗余环路，缺失数据区域的骨架点质量差进一步加剧拓扑错误；三是骨架居中性不足，现有方法多未采用残差平方和最小化准则，基元拟合依赖点云质量，图方法仅关注连通性，局部特征法的居中定义易受离群点干扰，深度学习方法则依赖标注质量，在分叉等复杂区域易出现偏移。因此亟需一种同时兼顾几何保真、拓扑正确与骨架居中的提取方法。
研究人员开展的研究为水滴模型驱动熵优化单木骨架提取方法（WDTS）。该方法将单木点云建模为含不同质量的水滴系统，通过定义水滴间的引力、斥力及合力描述系统表面张力，将骨架提取转化为水滴模型表面张力最小化问题，驱动水滴向树干中心轴移动。整个流程被构建为熵减优化过程，通过收缩、合并、蒸发迭代量化系统有序性，使初始无序的水滴系统逐步演化为低熵、紧凑的骨架结构。针对居中性与拓扑性的协同优化难题，研究人员提出几何与拓扑交织策略，通过交替几何精修与拓扑恢复，同步提升骨架居中精度与拓扑一致性。
关键技术方法包括：采用三组不同采集策略的单木TLS点云数据集（单站扫描、多站拼接、模拟数据集）作为实验对象；构建水滴模型表征点云，定义系统表面张力与熵减优化框架；设计几何与拓扑交替优化策略，通过残差平方和最小化实现骨架居中；以平均绝对误差（MAE）、定性可视化评估骨架几何精度、居中性与拓扑完整性，并与当前最优方法进行对比验证。
研究结果部分，首先通过性能评估实验表明，WDTS在三组数据集上均优于对比方法，骨架紧凑性与居中性显著提升，MAE分别降低0.011 m、0.002 m与0.030 m。其次，超参数敏感性分析显示，水滴质量、收缩步长等关键参数的波动对结果影响较小，方法鲁棒性较强。第三，适用性与泛化性验证表明，WDTS可适配不同树种、不同密度的TLS点云，在复杂林分场景中仍能保持稳定的提取效果。第四，局限性分析指出，极端遮挡导致的大面积数据缺失场景仍会影响骨架连续性，未来可结合多源数据融合进一步提升性能。
讨论与结论部分，研究人员指出，WDTS通过水滴模型与熵减框架的创新，突破了现有方法在多目标优化上的局限，首次实现了几何保真、拓扑合理与骨架居中的协同提升。该方法生成的骨架可直接服务于森林参数反演、生态功能评估等应用，为林业遥感的定量化发展提供了可靠的技术支撑。未来研究可聚焦于复杂场景下的多模态数据融合，进一步提升极端条件下的骨架提取稳定性。
