CN101493894B - 由数码照片估计植被盖度的方法 - Google Patents

Abstract

本发明公开了一种由数码照片估计植被盖度的方法，首先在研究区内选取正方形测区，并标识测区的4个顶点A、B、C、D，利用数码相机进行摄影，获得测区的数码照片；然后，通过数学模型

对数码照片进行几何校正，消除中心投影方式带来的相片中心和边缘比例尺不同的影响；之后，通过数学模型实现植被盖度估算。携带方便、操作简单、估算精度高。

Description

由数码照片估计植被盖度的方法

技术领域

本发明涉及一种植被盖度估算技术，尤其涉及一种由数码照片估计植被盖度的方法。

背景技术

植被盖度是表征生态系统特征的重要参量之一。目前，在野外调查中，一般采用简单目测方法估算植被盖度。也有通过专业仪器对植被盖度进行估算的，利用植被反射光强的变化估算草地盖度。还有通过数码相机近景摄影测量获取植被照片，在PhotoShop等图像处理软件中进行影像分类，在Excel等软件中实现植被盖度估算。

虽然上述技术均可实现植被盖度的估算，但都存在一定的缺点：

简单目视估算方法精度低，主观性强，观察人员的经验、技术对估算结果影响较大，估算结果之间可比性较差。

利用植被反射光强的植被盖度计估算时，没有考虑到复杂的植物内部结构导致植被冠层辐射传输模型差异，不同角度的辐射能量不同，植被冠层反射光强具有各向异性，同一测区的估算角度不同会导致估算结果差异较大。

基于数码相片的常规图像处理软件估算植被盖度的方法没有考虑到数码相片采用的是中心投影的方式，相片中心和边缘具有不同的比例尺，比例尺不同导致相片中心点像素代表的地面面积比边缘像素大，植被冠层形状出现不规则变化，在测区内植被分布的均匀程度对估算结果影响较大。

发明内容

本发明的目的是提供一种估算精度高、操作简单的由数码照片估计植被盖度的方法。

本发明的目的是通过以下技术方案实现的：

本发明的由数码照片估计植被盖度的方法，包括：

首先，对需估算的测区拍摄数码照片；

然后，利用仿射变换模型对所述数码照片进行几何校正；

之后，根据校正后的数码照片的像素的颜色信息识别植被像素和非植被像素，并根据识别的信息计算所述测区的植被盖度。

由上述本发明提供的技术方案可以看出，本发明所述的由数码照片估计植被盖度的方法，由于通过数码相机对测区进行数据采集；利用仿射变换模型对数码照片进行几何校正，根据校正后的数码照片的像素的颜色信息识别植被像素和非植被像素，估算所述测区的植被盖度，估算精度高、操作简单。

附图说明

图1为本发明由数码照片估计植被盖度的方法的流程示意图；

图2为本发明中正方形测区在用户坐标系中的位置示意图；

图3为相片中心投影示意图；

图4为垂直投影示意图；

图5为本发明中正方形测区在设备坐标系中的位置示意图；

图6原始坐标空间向校正坐标空间投影变换过程示意图；

图7为本发明中CIE色度图。

具体实施方式

本发明的由数码照片估计植被盖度的方法，其较佳的具体实施方式如图1所示，包括：

首先，对需估算的测区拍摄数码照片；

然后，利用仿射变换模型对所述数码照片进行几何校正；

之后，根据校正后的数码照片的像素的颜色信息识别植被像素和非植被像素，并根据识别的信息估算所述测区的植被盖度。

所述利用仿射变换模型对所述数码照片进行几何校正包括：

将原始数码相片中各象素坐标代入以下数学模型对数码照片进行几何校正：

$\left.\begin{array}{c}X=F_1(x,y)\\ Y=F_2(x,y)\end{array}\right\}---\left(1\right)$

模型中，x、y为像素在原始数码相片上的坐标；X、Y为像素在校正后的相片上的坐标。

所述模型(1)中，函数F₁(x，y)和F₂(x，y)的系数通过以下方法求得：

首先，在原始数码相片中建立设备坐标系，并在校正相片中建立用户坐标系；

然后，选择所述测区的多个顶点，并将所述多个顶点象素已标识的设备坐标(x，y)和已知的用户坐标(X，Y)分别代入所述模型(1)；

之后，采用最小二乘法求解所述函数F₁(x，y)和F₂(x，y)的系数。

测区可以为正方形，多个顶点即为正方形的多个顶点。也可以选择长方形或其它的多边形。

在进行几何校正时，仅校正所述数码相片中各象素的位置信息，且各象素的颜色信息保持不变。

根据所述校正后的相片识别所述测区中植被像素和非植被像素，并分别统计二者的数目N_V和N_S，利用以下数学模型估算植被盖度F_V：

$F_V=\frac{N_V}{N_V+N_S}\×100\%---\left(2\right).$

所述测区中植被像素和非植被像素分别根据以下规律识别：

所述像素颜色S由红S_R、绿S_G、蓝S_B三基色组成，所述植被像素的颜色构成规律为： $\left\{\begin{array}{c}{S}_G\≥S_R>S_B\\ S_G\≥S_B>S_R\\ S_B\≥S_R>S_G\end{array}\right.;$ 所述非植被像素的颜色构成规律为S_R＞S_G＞S_B。

下面对本发明进行详细的分析：

(一)测区原始相片的获取：

如图2所示，根据植物样方选取原则，选取正方形测区，并建立用户坐标系，利用数码相机进行摄影获得测区的原始数码照片。

如图3所示，数码相机成像采用的是中心投影的方式，相片中心点像素代表的地面面积比边缘像素大；

如图4所示，垂直投影方式获取的相片从中心向边缘各个像素所代表的地面实际面积相同。

而根据植被盖度定义，植被投影面积占样方面积的比例为植被盖度，在数码相片中，盖度为植被像素占全部像素的比例。原始数码相片中，同一个像素，位于中心还是位于边缘所代表的地面面积不同，导致采用数码相片估算植被盖度出现误差。为消除该误差，需要将相片从中心投影空间转换成垂直投影空间。投影空间转换过程即原始数码照片的校正过程。

(二)原始相片的校正：

原始数码相片的校正包括两个步骤：第一，根据测区正方形顶点同名点对的坐标构建仿射变换模型；第二，根据仿射变换模型实现原始数码相片向校正数码相片的投影空间转换过程。

1、仿射变换模型的构建过程，即为模型(1)的计算过程：

如图5所示，为便于计算，在原始数码相片中以o点为原点建立设备坐标系oxy；

参见图2，在校正数码相片中，以O点为原点建立用户坐标系OXY。可见，图5中的a、b、c、d分别为图2中的A、B、C、D的同名点。

在图2中，正方形测区的4个顶点A、B、C、D在用户坐标系中的坐标分别为A(X₁，Y₁)、B(X₂，Y₂)、C(X₃，Y₃)、D(X₄，Y₄)；在图5中，正方形测区顶点a、b、c、d在设备坐标系中的坐标分别为a(x₁，y₁)、b(x₂，y₂)、c(x₃，y₃)、d(x₄，y₄)。

根据正方形测区四顶点的设备坐标和用户坐标，采用一次多项式逼近法求得函数F₁(x，y)和F₂(x，y)：

$\left.\begin{array}{c}X=F_1(x,y)=\underset{j=0}{\overset{1}{\mathrm{\Σ}}}\underset{k=0}{\overset{1-j}{\mathrm{\Σ}}}{a}_{\mathrm{jk}}{x}^j{y}^k=a_{00}+a_{10}x+a_{01}y\\ Y=F_2(x,y)=\underset{j=0}{\overset{1}{\mathrm{\Σ}}}\underset{k=0}{\overset{1-j}{\mathrm{\Σ}}}{b}_{\mathrm{jk}}{x}^j{y}^k=b_{00}+b_{10}x+b_{01}y\end{array}\right\}---\left(3\right)$

式中，a₀₀、a₁₀、a₀₁和b₀₀、b₁₀、b₀₁为几何校正系数，是利用正方形4个顶点坐标应用最小二乘法求得的。(X，Y)为地面正方形测区4个顶点的坐标，(x，y)为像素在原始数码相片上的坐标，假设X′，Y′为经变换后的相片坐标。即得式(4)：

X′＝F₁(x，y)＝a₀₀+a₁₀x+a₀₁y    (4)

为了使变换后的相片在正方形4个顶点上最好的逼近所要求的相片精度，必须使真值与变换值之差的平方和为最小。即得式(5)：

$\mathrm{\ϵ}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{(X_i-X_i^{\′})}^2---\left(5\right)$

把式(4)代入式(5)得：

$\mathrm{\ϵ}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{(X_i-a_{00}-a_{10}{x}_i-a_{01}{y}_i)}^2---\left(6\right)$

为达到最佳逼近，使ε最小，根据数字分析中极值原理，求对ε的偏导数为0，得式(7)：

$\left\{\begin{array}{c}\frac{\∂\mathrm{\ϵ}}{\∂a_{00}}=2\underset{i=1}{\overset{4}{\mathrm{\Σ}}}(X_i-a_{00}-a_{10}{x}_i-a_{01}{y}_i)(-1)=0\\ \frac{\∂\mathrm{\ϵ}}{\∂a_{10}}=2\underset{i=1}{\overset{4}{\mathrm{\Σ}}}(X_i-a_{00}-a_{10}{x}_i-a_{01}{y}_i)(-x_i)=0\\ \frac{\∂\mathrm{\ϵ}}{\∂a_{01}}=2\underset{i=1}{\overset{4}{\mathrm{\Σ}}}(X_i-a_{00}-a_{10}{x}_i-a_{01}{y}_i)(-y_i)=0\end{array}\right.---\left(7\right)$

经过整理即得3个方程的联立方程组(8)：

$\left\{\begin{array}{c}4a_{00}+a_{10}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i+a_{01}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{y}_i=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{X}_i\\ a_{00}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i+a_{10}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x_i}^2+a_{01}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i{y}_i=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x_{i}X}_i\\ a_{00}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{y}_i+a_{10}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i{y}_i+a_{01}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{y_i}^2=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{y_{i}X}_i\end{array}\right.---\left(8\right)$

写成矩阵形式为(9)：

$\left[\begin{array}{ccc}4& \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i& \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{y}_i\\ \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i& \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x_i}^2& \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i{y}_i\\ \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{y}_i& \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i{y}_i& \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{y_i}^2\end{array}\right]\×\left[\begin{array}{c}{a}_{00}\\ a_{10}\\ a_{01}\end{array}\right]\left[\begin{array}{c}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{X}_i\\ \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{X}_i{x}_i\\ \underset{i=1}{\overset{4}{\mathrm{\Σ}}}{X}_i{y}_i\end{array}\right]---\left(9\right)$

应用主元消去法，就可求出系数：a₀₀，a₁₀，a₀₁，结算结果见式(10)：

$\left[\begin{array}{c}{a}_{00}\\ a_{10}\\ a_{01}\end{array}\right]={\left[\begin{array}{ccc}1& x_1& y_1\\ 1& x_2& y_2\\ 1& x_3& y_3\end{array}\right]}^{-1}\·\left[\begin{array}{c}{X}_1\\ X_2\\ X_3\end{array}\right]---\left(10\right)$

然后把这些系数代入模型(1)中，即可将原始数码相片上的x坐标转换为校正相片上的X坐标。

用同样的方法可以解算出系数：b₀₀，b₁₀，b₀₁，结算结果见式(11)：

$\left[\begin{array}{c}{b}_{00}\\ b_{10}\\ b_{01}\end{array}\right]={\left[\begin{array}{ccc}1& y_1& x_1\\ 1& y_2& x_2\\ 1& y_3& x_3\end{array}\right]}^{-1}\·\left[\begin{array}{c}{Y}_1\\ Y_2\\ Y_3\end{array}\right]---\left(11\right)$

2、校正相片的生成过程，即测区像素投影空间变换过程：

如图6所示，根据数字图像基本原理，像素是以m行n列的矩阵方式构成数码相片，原始数码相片向校正数码相片的仿射变换过程即是数码相片的基本要素——像素的投影空间转换过程。

将式(10)和式(11)代入模型(1)，将原始数码相片中逐个像素的设备坐标(x，y)进行仿射变换，得到其同名像素的用户坐标(X，Y)，各像素点的颜色信息保持不变。从而实现原始数码相片中设备坐标系空间向校正数码相片中用户坐标系空间的仿射变换，即完成原始数码相片经过几何校正生成校正数码相片的过程。

(三)植被像素与非植被像素的识别：

根据数字图像色彩构成原理，像素颜色由红(R)、绿(G)、蓝(B)三基色组成。对任何一种颜色的像素，均可由不同光谱能量的三基色通道合成，式(12)：

$S=\left[\begin{array}{c}{S}_R\\ S_G\\ S_B\end{array}\right]---\left(12\right)$

式中，S为像素的颜色信息，S_R、S_G、S_B分别代表红、绿、蓝三基色信息。

由于波长与光谱能量强度呈反比，通常采用波长表示光谱能量的高低。

如图7所示，由CIE色度图可知，色度坐标X轴代表红基色的比例，色度坐标Y轴代表绿基色的比例，蓝基色为1-x-y，中心点为白光点，由等比例的红绿蓝三基色组成，任何颜色在色度图中都有明确的位置，可确定其所需要的红绿蓝三基色的光谱能量值，即R、G、B三基色的构成比例。

根据像素颜色合成的三基色原理，像素颜色不同是因为构成各个像素的R、G、B三基色的比例不同。

既然测区的像素由植被像素和非植被像素组成，那么，这两种像素红、绿、蓝三基色构成比例也不同，有式(13)：

$S=S_V+S_S=\left[\begin{array}{c}{S}_{\mathrm{VR}}\\ S_{\mathrm{VG}}\\ S_{\mathrm{VB}}\end{array}\right]+\left[\begin{array}{c}{S}_{\mathrm{SR}}\\ S_{\mathrm{SG}}\\ S_{\mathrm{SB}}\end{array}\right]---\left(13\right)$

式中，S为像素的颜色信息，S_V、S_S分别代表植被像素和非植被像素的颜色信息，S_VR、S_VG、S_VB分别代表植被像素的红、绿、蓝三基色信息，S_SR、S_SG、S_SB分别代表非植被像素的红、绿、蓝三基色信息。

假设数码相片中的颜色信息为S(S＝S_R+S_G+S_H)，测区中的颜色信息由植被颜色S_V和非植被颜色S_S组成，即式(14)：

$S=\left[\begin{array}{c}{S}_R\\ S_G\\ S_B\end{array}\right]=S_V+S_S=\left[\begin{array}{c}{S}_{\mathrm{VR}}\\ S_{\mathrm{VG}}\\ S_{\mathrm{VB}}\end{array}\right]+\left[\begin{array}{c}{S}_{\mathrm{SR}}\\ S_{\mathrm{SG}}\\ S_{\mathrm{SB}}\end{array}\right]---\left(14\right)$

利用像素的三基色信息，统计120张数码相片中40,000个像素的光谱规律，归纳总结发现：植被像素光谱规律符合模型(15)，非植被像素光谱规律符合模型(16)：

$S_V=\left\{\begin{array}{c}{S}_G\≥S_R>S_B\\ S_G\≥S_B>S_R\\ S_B\≥S_R>S_G\end{array}\right.---\left(15\right)$

S_S＝S_R＞S_G＞S_B    (16)

(四)植被盖度的估算：

根据测区内植被像素和非植被像素的识别结果，分别统计测区中植被像素和非植被像素的数目，利用数学模型(17)估算植被的盖度：

$F_V=\frac{N_V}{N_T}\×100\%=\frac{N_V}{N_V+N_S}\×100\%---\left(17\right)$

模型中，F_V是植被盖度，N_V为测区内植被像素的数目，N_T为测区内全部像素的总数目，N_S为测区内非植被像素的数目。

本发明基于数码相片结合计算机软件程序实现对植被盖度的高精度自动估算：

首先，根据植物样方选取原则，在研究区内选取正方形测区，并标识测区的4个顶点A、B、C、D，利用数码相机进行摄影获得测区的数码照片；

然后，通过以下数学模型(1)对数码照片进行几何校正，消除中心投影方式带来的相片中心和边缘比例尺不同的影响：

$\left.\begin{array}{c}X=F_1(x,y)\\ Y=F_2(x,y)\end{array}\right\}---\left(1\right)$

模型中，x、y为像素在原始数码相片上的坐标，X、Y为像素在校正相片上的坐标。通过建立的函数F₁(x，y)和F₂(x，y)可分别实现对测区内每个像素X、Y的校正；

之后，通过数学模型(2)实现植被盖度估算，植被盖度是测区中植被像素个数占总像素个数的百分比：

$F_V=\frac{N_V}{N_T}\×100\%---\left(2\right)$

模型中，F_V是植被盖度，N_V为测区内植被像素的数目，N_T为测区内全部像素的总数目。

本项发明与现有技术相比，携带方便，只需数码相机和一些简单工具即可对测区进行数据采集；操作简单，在计算机程序支持下，根据预设的正方形顶点即可完成相片的校正，结合植被盖度估算模型实现植被盖度的自动估算；精度高，在严谨的数学模型的支持下完成，计算结果具有较高精度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种由数码照片估计植被盖度的方法，其特征在于，包括：

首先，对需估算的测区拍摄数码照片；

然后，利用仿射变换模型对所述数码照片进行几何校正；

之后，根据校正后的数码照片的像素的颜色信息识别植被像素和非植被像素，并根据识别的信息估算所述测区的植被盖度；

所述利用仿射变换模型对所述数码照片进行几何校正包括：

将原始数码相片中各象素坐标代入以下数学模型对数码照片进行几何校正：

$\left.\begin{array}{c}X=F_1(x,y)\\ Y=F_2(x,y)\end{array}\right\}---\left(1\right)$

模型中，x、y为像素在原始数码相片上的坐标；X、Y为像素在校正后的相片上的坐标；

所述模型(1)中，函数F₁(x，y)和F₂(x，y)的系数通过以下方法求得：

首先，在原始数码相片中建立设备坐标系，并在校正相片中建立用户坐标系；

然后，选择所述测区的多个顶点，并将所述多个顶点象素已标识的设备坐标(x，y)和已知的用户坐标(X，Y)分别代入所述模型(1)；

之后，采用最小二乘法求解所述函数F₁(x，y)和F₂(x，y)的系数。

2.根据权利要求1所述的由数码照片估计植被盖度的方法，其特征在于，所述测区为正方形，所述多个顶点为所述正方形的多个顶点。

3.根据权利要求1或2所述的由数码照片估计植被盖度的方法，其特征在于，所述几何校正用于校正所述数码相片中各象素的位置信息，且各象素的颜色信息保持不变。

4.根据权利要求3所述的由数码照片估计植被盖度的方法，其特征在于，包括根据所述校正后的相片识别所述测区中植被像素和非植被像素，并分别统计二者的数目N_V和N_S，利用以下数学模型估算植被盖度F_V：

$F_V=\frac{N_V}{N_V+N_S}\×100\%---\left(2\right).$

5.根据权利要求4所述的由数码照片估计植被盖度的方法，其特征在于，所述测区中植被像素和非植被像素分别根据以下规律识别：

所述像素颜色S由红S_R、绿S_G、蓝S_B三基色组成，所述植被像素的颜色构成规律为：

所述非植被像素的颜色构成规律为S_R＞S_G＞S_B。

Images