一種結合形態學和標記控制的無人機影像林冠分割方法技術

本發明專利技術涉及一種結合形態學和標記控制的無人機影像林冠分割方法：利用無人機獲取若干幅林區的局部遙感影像，經鑲嵌和正射校正得到完整遙感影像；采用高斯濾波方法對綠光波段進行平滑濾波處理；采用自適應的局部最大值搜索方法從綠光波段中檢測林冠頂點位置；利用形態學運算，通過一個強制最小值轉換將獲取的林冠頂點位置信息強加到影像上；對于正射校正的真彩色遙感影像，采用ISODATA聚類算法得到只包含林冠區域和非林冠區域兩類的二值影像，將提取出的非林冠區域作為分割的外部標記；將外部標記強加到經過強制最小值轉換后的影像上進行分水嶺變換分割，獲得精確的林分單木林冠邊界信息。本發明專利技術有效解決了常規方法造成的林冠邊界分割不準確問題。

A canopy segmentation method based on morphological and marker control for unmanned aerial vehicle images

The invention relates to a method of image segmentation based on morphology and canopy marker controlled local images by UAV to obtain a plurality of forest, the mosaic and orthorectification complete remote sensing image; using Gauss filtering method of green band smoothing filter processing; adaptive local maximum searching method for the detection of the canopy vertex positions from the green band; using morphological operations, through a mandatory minimum vertex position information to the canopy image conversion will get on; to orthorectify true color remote sensing image, using ISODATA clustering algorithm only contains canopy area and non canopy area two class two value image, non forest area will be extracted as the external marker segmentation; the external tag added to the compulsory minimum converted image on the water Ridge transform segmentation is used to obtain accurate forest canopy boundary information. The invention effectively solves the problem of inaccurate segmentation of the canopy boundary caused by the conventional method.

【技術實現步驟摘要】
一種結合形態學和標記控制的無人機影像林冠分割方法
本專利技術涉及一種結合形態學和標記控制的無人機影像林冠分割方法。
技術介紹
樹冠作為樹木獲取光能并進行能量轉換的場所，其對于研究森林生長情況和動態變化具有重要意義。但由于森林結構的復雜性和隨機性，使得對樹冠形狀和邊界信息的獲取異常困難。近年來，隨著衛星遙感技術的發展，尤其是衛星影像空間分辨率的逐漸提高，提高了森林樹冠的估測精度，但受到氣候、周期、分辨率和成本等因素的影響，使得獲取的遙感數據遠遠不能滿足林業調查的需求。無人機遙感作為新興遙感技術，其特有的機動靈活性、時效性和成本低，數據易獲取等優勢而逐漸成為衛星遙感技術的有效補充手段，并在多個領域得到了廣泛應用。雖然針對無人機技術的研究日益增多，但針對可見光無人機影像提取森林冠層結構信息的研究還處于試驗階段，如Díazvarela等評估了普通無人機相機影像獲取樹冠參數的可靠程度，并對西班牙科爾多瓦地區的一處橄欖育種園地進行了試驗，其冠幅估測的RMSE達到了0.28。Chianucci等利用eBee無人飛行系統獲取的真彩色影像，并結合LAB2影像分類方法來估算山毛櫸林的森林冠層覆蓋度，其決定系數R2達到0.7左右；此外還有Morgenroth、Mathews等利用無人機影像生成的點云數據來對森林冠層結構進行分析，并取得了一定成果。但常規的林冠分割方法會造成林冠邊界分割不準確的問題，這對于無人機遙感獲取森林參數的精度帶來不確定性。
技術實現思路
有鑒于此，本專利技術的目的在于提供一種結合形態學和標記控制的無人機影像林冠分割方法，有效解決了常規方法造成的林冠邊界分割不準確問題。為實現上述目的，本專利技術采用如下技術方案：一種結合形態學和標記控制的無人機影像林冠分割方法，其特征在于，包括以下步驟：步驟S1：利用無人機獲取若干幅林區的局部遙感影像，對所述若干幅林區遙感圖像進行鑲嵌和正射校正得到林區的完整遙感影像；步驟S2：采用高斯濾波方法對完整遙感影像的綠光波段進行平滑濾波處理；步驟S3：采用自適應的局部最大值搜索方法從完整遙感影像的綠光波段中檢測林冠頂點位置；步驟S4：利用形態學運算，通過一個強制最小值轉換將獲取的林冠頂點位置信息強加到平滑濾波后的綠光波段影像上；步驟S5：對于步驟S1獲得的完整遙感影像，采用ISODATA聚類算法得到只包含林冠區域和非林冠區域兩類的二值影像，將提取出的非林冠區域作為分割的外部標記；步驟S6：基于步驟S4和步驟S5獲得的結果，將外部標記強加到經過強制最小值轉換后的影像上進行分水嶺變換分割，獲得精確的林分單木林冠邊界信息。進一步的，所述局部遙感影像為真彩色影像，分辨率在0.05-0.20m之間。進一步的，所述步驟S2的具體方法如下：采用一個高斯分布曲線來對完整遙感影像的綠光波段進行處理，減少影像的噪聲水平和強化林冠頂點的輻射強度值，濾波公式如下：式中，G(i,j)為第i行，j列處影像象元高斯濾波結果，i、j為自然數，σ為高斯濾波的均方差，σ取值選擇林分內最小林冠尺寸大小作為窗口進行影像濾波處理。進一步的，所述步驟S3的具體方法如下：步驟S31：通過一個固定窗口探測樣地內潛在的林冠頂點位置，獲得潛在林冠頂點；步驟S32：采用自適應的動態窗口對獲取的潛在林冠頂點進行判斷，如果當前頂點為對應窗口區域的最大值則保存，否則刪除；動態窗口大小通過計算潛在頂點八個剖面方向半方差的變程值進行確定，其影像像元的半方差計算公式為：式中，γ(h)為經驗半方差值，xi為影像的像元位置，h為兩個像元的空間分隔距離，Z(x)為對應影像xi處的像元值，N為在一定分隔距離下像元對的對數。進一步的，所述步驟S4的具體方法如下：步驟S41：對濾波處理后的影像f進行取反操作，然后對獲取的林冠頂點進行極小值標記，獲得標記影像，如下式：式中，fm為獲取的標記影像，p為影像的每個像元，tmax為影像的最大值；步驟S42：逐像元的計算影像f+1和標記影像fm之間的極小值，對影像進行強制最小值轉換；這一步驟中，形態學計算表示為：(f+1)∧fm，然后利用標記圖像fm對(f+1)∧fm進行形態學腐蝕重建，如下式：式中，fmp為強制最小值轉換后的影像，描述(f+1)∧fm在標記影像fm掩膜下的形態學腐蝕重建過程。進一步的，所述步驟S5的具體方法如下：基于獲得的完整遙感影像，采用ISODATA非監督分類方法進行分類，設置的分類類別數≥10，最大迭代次數≥5；對獲取的分類結果通過目視判讀進行合并，得到只包含林冠區域和非林冠區域這兩類的二值影像，并將提取出的非林冠區域作為分割的外部標記。進一步的，所述步驟S6中分水嶺變換分割采用公式如下：式中，WaterShed()是分水嶺函數；Mask是掩膜函數；BOutMask是外部標記，即非林冠區域，Wcanopy為林分單木林冠邊界。本專利技術與現有技術相比具有以下有益效果：本專利技術有效解決了常規方法造成的林冠邊界分割不準確問題；有利于森林樹冠信息的快速有效提取，為森林資源調查中林分株數、郁閉度的準確高效估算提供有力支持。附圖說明圖1是本專利技術的方法流程圖。圖2A是本專利技術實施例一的無人機影像。圖2B是本專利技術實施例一的綠光波段濾波結果。圖2C是本專利技術實施例一的直接分水嶺分割結果。圖2D是本專利技術實施例一采用固定窗口提取的林冠頂點。圖2E是本專利技術實施例一采用可變窗口去除異常值結果。圖2F是本專利技術實施例一的林冠非林冠二值圖。圖2G是本專利技術實施例一的形態學重構標記結果。圖2H是本專利技術實施例一的內外部標記添加結果。圖2I是本專利技術實施例一的結合內外標記影像分割結果。圖3A本專利技術實施例二的無人機影像。圖3B本專利技術實施例二的直接分水嶺分割結果。圖3C本專利技術實施例二采用固定窗口提取的林冠定點。圖3D本專利技術實施例二的自適應窗口去除異常頂點結果。圖3E本專利技術實施例二的強加林冠頂點影像。圖3F本專利技術實施例二的形態學重構結果。圖3G本專利技術實施例二的林冠非林冠二值圖。圖3H本專利技術實施例二的內標記影像直接分水嶺分割結果。圖3I本專利技術實施例二的結合內外標記影像分割結果。具體實施方式下面結合附圖及實施例對本專利技術做進一步說明。請參照圖1，本專利技術提供一種結合形態學和標記控制的無人機影像林冠分割方法，其特征在于，包括以下步驟：步驟S1：利用無人機獲取若干幅分辨率在0.05-0.20m之間的林區的局部遙感影像，對所述若干幅林區遙感圖像進行鑲嵌和正射校正得到林區的完整遙感影像；所述局部遙感圖像至少應為包含紅、綠、藍波段的真彩色影像，且影像的航向和旁向重疊率≥80％，經鑲嵌和正射校正得到的完整遙感影像無明顯拼接痕跡。步驟S2：采用高斯濾波方法對完整遙感影像的綠光波段進行平滑濾波處理；具體方法如下：采用一個高斯分布曲線(鐘形曲線)來對完整遙感影像的綠光波段進行處理，減少影像的噪聲水平和強化林冠頂點的輻射強度值，濾波公式如下：式中，G(i,j)為第i行，j列處影像象元高斯濾波結果，i、j為自然數，，σ為高斯濾波的均方差，σ取值選擇林分內最小林冠尺寸大小作為窗口進行影像濾波處理。步驟S3：采用自適應的局部最大值搜索方法從完整遙感影像的綠光波段中檢測林冠頂點位置；具體方法如下：步驟S31：首先，通過一個較小的固定窗口探測樣地內潛在的林冠頂點位置，獲得潛在林冠頂點；步本文檔來自技高網...

【技術保護點】
一種結合形態學和標記控制的無人機影像林冠分割方法，其特征在于，包括以下步驟：步驟S1：利用無人機獲取若干幅林區的局部遙感影像，對所述若干幅林區遙感圖像進行鑲嵌和正射校正得到林區的完整遙感影像；步驟S2：采用高斯濾波方法對完整遙感影像的綠光波段進行平滑濾波處理；步驟S3：采用自適應的局部最大值搜索方法從完整遙感影像的綠光波段中檢測林冠頂點位置；步驟S4：利用形態學運算，通過一個強制最小值轉換將獲取的林冠頂點位置信息強加到平滑濾波后的綠光波段影像上；步驟S5：對于步驟S1獲得的完整遙感影像，采用ISODATA聚類算法得到只包含林冠區域和非林冠區域兩類的二值影像，將提取出的非林冠區域作為分割的外部標記；步驟S6：基于步驟S4和步驟S5獲得的結果，將外部標記強加到經過強制最小值轉換后的影像上進行分水嶺變換分割，獲得精確的林分單木林冠邊界信息。

【技術特征摘要】
1.一種結合形態學和標記控制的無人機影像林冠分割方法，其特征在于，包括以下步驟：步驟S1：利用無人機獲取若干幅林區的局部遙感影像，對所述若干幅林區遙感圖像進行鑲嵌和正射校正得到林區的完整遙感影像；步驟S2：采用高斯濾波方法對完整遙感影像的綠光波段進行平滑濾波處理；步驟S3：采用自適應的局部最大值搜索方法從完整遙感影像的綠光波段中檢測林冠頂點位置；步驟S4：利用形態學運算，通過一個強制最小值轉換將獲取的林冠頂點位置信息強加到平滑濾波后的綠光波段影像上；步驟S5：對于步驟S1獲得的完整遙感影像，采用ISODATA聚類算法得到只包含林冠區域和非林冠區域兩類的二值影像，將提取出的非林冠區域作為分割的外部標記；步驟S6：基于步驟S4和步驟S5獲得的結果，將外部標記強加到經過強制最小值轉換后的影像上進行分水嶺變換分割，獲得精確的林分單木林冠邊界信息。2.根據權利要求1所述的結合形態學和標記控制的無人機影像林冠分割方法，其特征在于：所述局部遙感影像為真彩色影像，分辨率在0.05-0.20m之間。3.根據權利要求1所述的結合形態學和標記控制的無人機影像林冠分割方法，其特征在于：所述步驟S2的具體方法如下：采用一個高斯分布曲線來對完整遙感影像的綠光波段進行處理，減少影像的噪聲水平和強化林冠頂點的輻射強度值，濾波公式如下：式中，G(i,j)為第i行，j列處影像象元高斯濾波結果，i、j為自然數，σ為高斯濾波的均方差，σ取值選擇林分內最小林冠尺寸大小作為窗口進行影像濾波處理。4.根據權利要求1所述的結合形態學和標記控制的無人機影像林冠分割方法，其特征在于：所述步驟S3的具體方法如下：步驟S31：通過一個固定窗口探測樣地內潛在的林冠頂點位置，獲得潛在林冠頂點；步驟S32：采用自適應的動態窗口對獲取的潛在林冠頂點進行判斷，如果當前頂點...

【專利技術屬性】
技術研發人員：周小成，魯林，黃洪宇，汪小欽，
申請(專利權)人：福州大學，
類型：發明
國別省市：福建,35