人类活动的增加对全球森林资源造成了严重干扰，如何准确识别单株树木已成为森林资源调查的重要任务。为了得到准确的个体树木数量，本文以针叶林和针阔混交林为实验样本，以数字正射影像图和机载激光雷达点云为研究数据。我们提出了一种基于RetinaNet模型和PCS算法的深度学习单树分割方法，通过在地块（具有高、中、低密度）进行比较分析（经典分水岭算法和层堆叠算法）。实验结果表明，本文提出的方法可以解决高密度森林中单棵树的分割问题，提高其自动化程度。与Watershed算法和Layer stacking算法相比，F-Measure分别提高了6%-29%和7%-20%。也就是说，本文提出的单棵树分割结果不仅可以提高单棵树分割的精度，而且可以保持较高的检测率，可以满足单棵树提取的准确性和高效率，从而满足现代林业调查的需要。
INDEX TERMS： 深度学习，单棵树分割，机载激光雷达，数字正射影像图，计算机图形学。
森林作为最重要的自然资源之一，在人类的发展和生存中具有不可替代的作用。随着城市化和工业化的加速，森林资源的过度利用造成了森林生态系统的严重失衡，对全球碳循环产生了相当大的影响[1]。个体作为森林的基本单位，快速准确的获取树木信息可以为监测和管理森林资源提供有效的保障[2]。传统的单株木调查方法是手工进行的，劳动强度大、周期长、成本高，难以满足调查时效性的需要[3]。
机载激光雷达是一种新兴的主动遥感技术，具有非常高的距离分辨能力、抗干扰能力和树冠穿透能力，可以快速准确地获取多次回波信息，尤其是森林