CN101672915B - 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 - Google Patents

Abstract

本发明公开了一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法，以简单高效地勾绘高空间分辨率遥感影像的树冠轮廓，其中该方法包括：获取林分处于生长季的高空间分辨率遥感影像并提取出单一林分影像；根据单一林分影像使用梯度作为分割函数，采用拉普拉斯-高斯算子对所述灰度图像进行边界检测，得到中间结果图像；然后采用形态学技术在前中间结果图像中标记前景树梢对象，得到树梢标记；并在所述中间结果图像中计算背景标记，生成围绕每个树梢标记的树冠边界线；然后在树冠边界线进行树梢指导下的树冠勾绘，获得所述树冠轮廓分布图。与现有技术相比，本发明系统及方法可应用于林业调查、森林资源监测、林业遥感等领域。

Description

一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法

技术领域

本发明涉及森林资源管理技术，尤其涉及一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法。

背景技术

目前多采用实际林分单株冠幅定量测量方法来获得单株树冠的轮廓等参数。该方法以树干为中心，分别测量树干8个方向或4个方向的半径，然后采用圆形或椭圆形的近似方法获得单株树冠的轮廓，并进而估算单株树冠的大小。该方法工作量大，费用高，估测频率低，很难获取到连续的观测数据，还不能为森林资源管理提供及时准确的决策支持。

基于高分辨率遥感影像，树冠识别方法主要有基于局部最大值(localmaximum，简称LM)的方法、基于轮廓(Contour-based，简称CB)的方法、模板匹配(template-matching，简称TM)法以及3D模型法(3D-model)。

LM法的主要原理是假设树冠反射的峰值位于或非常接近于树顶，因而通过图像滤波找到局部最大值，即可最终探测出树顶位置。该方法虽然具有简单快速的优点，但当图像受背景干扰和照度发生变化时，其树冠识别的性能会大大下降。

CB法主要的策略是用边缘探测法检测树冠边界，也即主要是尝试发现树冠和其背景的分隔线。在较精细比例尺下，可以比较精确地确定一个树冠的所有树枝，树枝占据了大部分的强度变化；在较粗比例尺下，相邻树冠会相互连接。这样，一簇树成为变化发生的地方，因此实际中发现合适的比例严格地与单株树冠边界相适应是非常困难的。

TM法主要包括模型生成和模板匹配两个过程。直观地说，TM法主要建立一系列模型去定义一个图像中不同位置的单株树的情形，首先考虑树的几何形状和辐射特征，一旦获取了这些知识，就通过一个移动窗口去搜索最可能是树的最佳匹配位置。

3D法目前不太成熟，已有的一种具体应用是基于模型的图像匹配去获取一个树冠的表面重建完成树冠提取，树冠表面模型考虑到树冠形状、照度和传感器模型等等。面向对象的该树冠提取方法，手续繁琐，每次要调试参数，提取结果稳定性不好。

发明内容

本发明所要解决的技术问题，在于需要提供一种遥感影像树冠轮廓勾绘系统及方法，以简单高效地勾绘高空间分辨率遥感影像的树冠轮廓。

为了解决上述技术问题，本发明提供了一种高空间分辨率遥感影像树冠轮廓勾绘方法，包括：

获取林分处于生长季的高空间分辨率遥感影像；

获取数字化地形图、数字化林相图以及外业差分全球定位系统控制点数据；

根据所述数字化地形图及所述控制点数据，对所述遥感影像进行正射纠正，得到正射遥感影像；

在所述正射遥感影像上叠加所述数字化林相图，提取单一林分影像；

根据所述单一林分影像勾绘出单株立木的树冠轮廓分布图。

优选地，提取所述单一林分影像的步骤，包括：

以所述数字化林相图小班边界为裁剪区域，裁剪并提取所述正射遥感影像中与所述数字化林相图每一小班相对应的所述单一林分影像。

优选地，根据所述单一林分影像勾绘出单株立木的树冠轮廓分布图的步骤，包括：

将所述单一林分影像转换为彩色图像；

根据所述彩色图像进行树冠识别和轮廓勾绘，获得所述单株立木的树冠轮廓分布图。

优选地，根据所述彩色图像进行树冠识别和轮廓勾绘，获得所述单株立木的树冠轮廓分布图的步骤，包括：

将所述彩色图像转换成灰度图像；

使用梯度作为分割函数，采用拉普拉斯-高斯算子对所述灰度图像进行边界检测，得到中间结果图像；

采用形态学技术在所述中间结果图像中标记前景树梢对象，得到树梢标记；

在所述中间结果图像中计算背景标记，生成围绕每个树梢标记的树冠边界线；

根据所述树冠边界线进行树梢指导下的树冠勾绘，获得所述树冠轮廓分布图。

优选地，对所述灰度图像进行边界检测，得到中间结果图像的步骤，包括：

对所述灰度图像进行高斯平滑获得平滑图像；

找到所述平滑图像二阶导数过零点，得到所述中间结果图像。

优选地，采用形态学技术在所述中间结果图像中标记前景树梢对象，得到树梢标记的步骤，包括：

在每个前景树梢对象内部连接起斑点像素，初步标记出前景树梢；

通过“开重建”算子和“闭重建”算子在每个前景树梢对象内部创建平坦的极大值，得到局部非最大值压抑方法生成的二值图像；所述二值图像中每个树梢用一个值为1的像素表示。

为了解决上述技术问题，本发明还提供了一种高空间分辨率遥感影像树冠轮廓勾绘系统，包括：

获取模块，用于获取林分处于生长季的高空间分辨率遥感影像、数字化地形图、数字化林相图以及外业差分全球定位系统控制点数据；

预处理模块，与所述获取模块相连，用于根据所述数字化地形图及所述控制点数据，对所述遥感影像进行正射纠正，得到正射遥感影像；

提取模块，与所述获取模块及预处理模块相连，用于在所述正射遥感影像上叠加所述数字化林相图，提取单一林分影像；

勾绘模块，与所述提取模块相连，用于根据所述单一林分影像勾绘出单株立木的树冠轮廓分布图。

优选地，所述提取模块包括：

叠加子模块，与所述获取模块及预处理模块相连，用于在所述正射遥感影像上叠加所述数字化林相图；

裁剪子模块，用于以所述数字化林相图小班边界为裁剪区域，裁剪并提取所述正射遥感影像中与所述数字化林相图每一小班相对应的所述单一林分影像。

优选地，所述勾绘模块包括：

转换子模块，用于将所述单一林分影像转换为彩色图像；

识别勾绘子模块，与所述转换子模块相连，用于根据所述彩色图像进行树冠识别和轮廓勾绘，获得所述单株立木的树冠轮廓分布图。

优选地，所述识别勾绘子模块包括：

转换单元，与所述转换子模块相连，用于将所述彩色图像转换成灰度图像；

分割单元，与所述转换单元相连，用于使用梯度作为分割函数，采用拉普拉斯-高斯算子对所述灰度图像进行边界检测，得到中间结果图像；

标记单元，与所述分割单元相连，用于采用形态学技术在所述中间结果图像中标记前景树梢对象，得到树梢标记；并用于在所述中间结果图像中计算背景标记，生成围绕每个树梢标记的树冠边界线；

勾绘单元，与所述标记单元相连，用于根据所述树冠边界线进行树梢指导下的树冠勾绘，获得所述树冠轮廓分布图。

优选地，所述分割单元包括：

平滑子单元，与所述转换单元相连，用于对所述灰度图像进行高斯平滑，获得平滑图像；

识别子单元，与所述平滑子单元及标记单元相连，用于找到所述平滑图像二阶导数过零点，得到所述中间结果图像。

与现有技术相比，本发明系统及方法所提供的技术方案，通过基于数学形态学和标记控制的分水岭树冠分割方法，实现了高分辨率林分遥感影像中树冠自动识别和树冠轮廓自动勾绘，不仅适用于较单纯的林分条件下树冠普遍较均匀的图像和景观，而且对郁闭度很高的影像也能达到较好的处理效果。本发明系统及方法的技术方案可应用于林业调查、森林资源监测、林业遥感等应用领域。

附图说明

图1为本发明方法实施例的流程示意图；

图2为本发明方法实施例中树冠识别及轮廓勾绘步骤的流程示意图；

图3为本发明树冠轮廓勾绘系统实施例的组成示意图；

图4为本发明系统实施例中识别勾绘子模块的组成示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。

图1为本发明方法实施例的流程示意图。如图1所示，本方法实施例主要包括如下步骤：

步骤S110，获取林分处于生长季的高空间分辨率遥感影像；

获取空间分辨率大于1米(m)的遥感影像，这种影像可以是航空电荷藕合器件图像传感器(CCD)数字影像、卫片数据如快鸟(Quickbird)全色、艾科诺斯(IKNOS)全色或全色与多光谱融合后的影像；

本实施例以某滩地杨树人工林快鸟融合影像为例；

步骤S120，获取数字化地形图、数字化林相图以及外业差分全球定位系统(GPS)高精度控制点数据，本实施例中该数字化地形图为1∶1万的地形图；

步骤S130，对该高空间分辨率遥感影像进行预处理，根据该数字化地形图及外业GPS高精度控制点数据，对该高空间分辨率遥感影像进行正射纠正，得到正射遥感影像；

该正射纠正的目的是把以中心投影方式获取的遥感影像校正为正射投影方式的影像，实现过程是采用星历参数、适当精度的控制点(即前述高精度控制点数据)及数字高程模型(DEM)，通过严格物理模型对原始的遥感影像进行几何纠正；

步骤S140，根据该正射遥感影像提取单一林分影像；在该正射遥感影像上叠加数字化林相图，以该数字化林相图小班边界为裁剪区域，裁剪出并提取到该正射遥感影像中与林相图每一小班相对应的影像信息；该每一小班相对应的影像信息即为前述的单一林分影像信息；

这样得到某滩地杨树人工林快鸟融合影像上截取出的样地影像，影像大小为97*95像素；

步骤S150，将裁剪并提取的数字化林相图中每一小班相对应的影像即单一林分影像转换为jpg彩色图像并输出；

步骤S160，根据该jpg彩色图像，进行树冠识别和轮廓勾绘，获得单株立木树冠轮廓分布图。

对于上述某滩地杨树人工林的本实施例，从平均株树结果分析，本算法得到的株数要少于实际的株数，但是误差较小，在可以接受的范围之内。上述某滩地的该批杨树，平均胸径达到29.92厘米(cm)，在14.4cm-38.8cm范围内，作为年龄在13-15年左右的杨树，生长很好。样地立木的行间距达12米，株间距为3米。从每木检尺得知南北向平均树冠直径4.15米，在2.7米-7.5米范围内变化，东西向平均树冠直径8.32米，在2.7米-11.1米范围内变化。南北向树冠之间几乎都有不同程度的交叉接触，有的树很大，树冠也很大，完全遮住了旁边的树。从运算结果来看，本发明方法对较高郁闭度的林分影像有较好的效果。

图2为上述步骤S160中树冠识别及轮廓勾绘步骤的流程示意图。如图2所示，该树冠识别及轮廓勾绘主要包括如下步骤：

步骤S210，将jpg彩色图像转换成灰度图像；

步骤S220，使用梯度作为分割函数，采用拉普拉斯-高斯算子(LOG)对该灰度图像进行边界检测，得到中间结果图像，该中间结果图像表示该灰度图像中目标对象的边界，具体计算如下：

$\mathrm{Log}(x,y)=-\frac{1}{{\mathrm{\π\σ}}^4}[1-\frac{x^2+y^2}{{2\mathrm{\σ}}^2}]\exp (-\frac{x^2+y^2}{{2\mathrm{\σ}}^2})$ 式(1)

其中：

x，待处理像素在灰度图像中的横坐标；

y，待处理像素在灰度图像中的纵坐标；

σ，为平滑尺度，以像素为单位，决定可以获取的最小边界宽度；选择一个像素(即σ＝1)的单一平滑尺度，表示最小树冠直径(0.6m)；

步骤S230，采用形态学技术，在步骤S220获得的中间结果图像中标记前景树梢对象，得到树梢标记；

步骤S240，在步骤S220获得的中间结果图像中计算背景标记，生成围绕每个树梢标记的树冠边界线(分水岭)；

对每个前景树梢对象创建新的影像，影像值表示其每个内部像素到每个树梢标记的测地距离，这个决定边界的过程就是使用影响区域构成测地骨架的过程；当每个标记点的影响区域决定后，这些影响区域间的边界就是树冠边界，根据该树冠边界生成围绕每个树梢标记的树冠边界线(分水岭)；

步骤S250，根据该树冠边界线进行树梢指导下的树冠勾绘，也即计算分割函数的分水岭变换，得到树冠轮廓分布图。

上述步骤S220中的LOG方法，可以分为两步：

第一步，对步骤S210获得的灰度图像进行高斯平滑(卷积)去除噪声和由于树木内部结构引起的灰度强度变化，获得平滑图像；

第二步，找到该平滑图像二阶导数过零点，即进行前述步骤S220中的边界检测，得到该中间结果图像。

上述步骤S230标记前景树梢对象的过程中，是在每个前景树梢对象内部连接起斑点像素(blobs of pixels)，初步标记出前景树梢；采用形态学技术，即“开重建”和“闭重建”来整理中间结果图像。具体地，通过“开重建”算子和“闭重建”算子在每个前景树梢对象内部创建平坦的极大值，得到局部非最大值压抑方法生成的二值图像，该二值图像中每个树梢用一个值为1的像素表示，其它像素值为0。

本步骤使用结构元素的开闭运算来实现，结构元素的形状和大小是本方法成功的关键，窗口太小，一些树冠半径较大的树会有多个树梢；相反地如果窗口太大，比指定半径小的树冠不会被指定为树梢；本实施例采用相对比较小的半径(1×1窗口)，圆盘(disk)形状以确保小树不被遗漏。

图3为本发明树冠轮廓勾绘系统实施例的组成示意图。结合图1及图2所示的本发明方法实施例，图3所示的系统实施例主要包括获取模块310、预处理模块320、提取模块330以及勾绘模块340，其中：

获取模块310，用于获取林分处于生长季的高空间分辨率遥感影像、数字化地形图、数字化林相图以及外业差分全球定位系统控制点数据；

预处理模块320，与该获取模块310相连，用于根据该数字化地形图及该控制点数据，对该遥感影像进行正射纠正，得到正射遥感影像；

提取模块330，与该获取模块310及预处理模块320相连，用于在该正射遥感影像上叠加该数字化林相图，提取单一林分影像；

勾绘模块340，与该提取模块330相连，用于根据该单一林分影像勾绘出单株立木的树冠轮廓分布图。

该获取模块310获取的该空间分辨率大于1米的遥感影像，包括数字航空影像或者数字化的卫片。

上述预处理模块320，采用星历参数、适当精度的控制点及数字高程模型，通过严格物理模型对该遥感影像进行正射纠正。

如图3所示，该提取模块330包括叠加子模块331及裁剪子模块332，其中：

叠加子模块331，与该获取模块310及预处理模块320相连，用于在该正射遥感影像上叠加该数字化林相图；

裁剪子模块332，与该叠加子模块331相连，用于以该数字化林相图小班边界为裁剪区域，裁剪并提取该正射遥感影像中与该数字化林相图每一小班相对应的影像信息，该每一小班相对应的影像信息即为前述的单一林分影像。

如图3所示，该勾绘模块340包括转换子模块341及识别勾绘子模块342，其中：

转换子模块341，与该提取模块330中的裁剪子模块332相连，用于将该单一林分影像转换为彩色图像；

识别勾绘子模块342，与该转换子模块342相连，用于根据该彩色图像进行树冠识别和轮廓勾绘，获得该单株立木的树冠轮廓分布图。

如图4所示，该识别勾绘子模块342主要包括转换单元410、分割单元420、标记单元430以及勾绘单元440，其中：

转换单元410，与该转换子模块341相连，用于将该彩色图像转换成灰度图像；

分割单元420，与该转换单元410相连，用于使用梯度作为分割函数，采用拉普拉斯-高斯算子对该灰度图像进行边界检测，得到中间结果图像；

标记单元430，与该分割单元420相连，用于采用形态学技术在该中间结果图像中标记前景树梢对象，得到树梢标记；并用于在该中间结果图像中计算背景标记，生成围绕每个树梢标记的树冠边界线；

勾绘单元440，与该标记单元430相连，用于根据该树冠边界线进行树梢指导下的树冠勾绘，获得树冠轮廓分布图。

继续参考图4所示，该分割单元420主要包括平滑子单元421以及识别子单元422，其中：

平滑子单元421，与该转换单元410相连，用于对该灰度图像进行高斯平滑，获得平滑图像；

识别子单元422，与该平滑子单元421及标记单元430相连，用于找到该平滑图像二阶导数过零点，得到该中间结果图像。

现有技术中的已有方法，一般仅针对于具体的图像和景观条件，基本上都是在相对较单纯的林分条件下树冠普遍较均匀才适用的，对郁闭度较高的影像则普遍精度不高。相比较而言，本发明系统及方法不仅适用于较单纯的林分条件下树冠普遍较均匀的图像和景观，而且对郁闭度很高的影像也能达到较好的处理效果。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (5)

1.一种高空间分辨率遥感影像树冠轮廓勾绘方法，其特征在于，包括：

获取林分处于生长季的高空间分辨率遥感影像；

获取数字化地形图、数字化林相图以及外业差分全球定位系统控制点数据；

根据所述数字化地形图及所述控制点数据，对所述遥感影像进行正射纠正，得到正射遥感影像；

在所述正射遥感影像上叠加所述数字化林相图，提取单一林分影像；所述提取单一林分影像包括：以所述数字化林相图小班边界为裁剪区域，裁剪并提取所述正射遥感影像中与所述数字化林相图每一小班相对应的所述单一林分影像；

根据所述单一林分影像勾绘出单株立木的树冠轮廓分布图，包括：

将所述单一林分影像转换为彩色图像；

将所述彩色图像转换成灰度图像；

使用梯度作为分割函数，采用拉普拉斯-高斯算子对所述灰度图像进行边界检测，得到中间结果图像；

采用数学形态学技术在所述中间结果图像中标记前景树梢对象，得到树梢标记；

在所述中间结果图像中计算背景标记，生成围绕每个树梢标记的树冠边界线；

根据所述树冠边界线进行树梢指导下的树冠勾绘，获得所述树冠轮廓分布图。

2.如权利要求1所述的方法，其特征在于，对所述灰度图像进行边界检测，得到中间结果图像的步骤，包括：

对所述灰度图像进行高斯平滑获得平滑图像；

找到所述平滑图像二阶导数过零点，得到所述中间结果图像。

3.如权利要求1所述的方法，其特征在于，采用数学形态学技术在所述中间结果图像中标记前景树梢对象，得到树梢标记的步骤，包括：

在每个前景树梢对象内部连接起斑点像素，初步标记出前景树梢；

通过“开重建”算子和“闭重建”算子在每个前景树梢对象内部创建平坦的极大值，得到局部非最大值压抑方法生成的二值图像；所述二值图像中每个树梢用一个值为1的像素表示。

4.一种高空间分辨率遥感影像树冠轮廓勾绘系统，其特征在于，包括：

获取模块，用于获取林分处于生长季的高空间分辨率遥感影像、数字化地形图、数字化林相图以及外业差分全球定位系统控制点数据；

预处理模块，与所述获取模块相连，用于根据所述数字化地形图及所述控制点数据，对所述遥感影像进行正射纠正，得到正射遥感影像；

提取模块，与所述获取模块及预处理模块相连，用于在所述正射遥感影像上叠加所述数字化林相图，提取单一林分影像；

勾绘模块，与所述提取模块相连，用于根据所述单一林分影像勾绘出单株立木的树冠轮廓分布图；所述勾绘模块包括转换子模块和识别勾绘子模块，其中，

转换子模块，用于将所述单一林分影像转换为彩色图像；

识别勾绘子模块，与所述转换子模块相连，用于根据所述彩色图像进行树冠识别和轮廓勾绘，获得所述单株立木的树冠轮廓分布图；所述识别勾绘子模块包括转换单元、分割单元、标记单元和勾绘单元，其中，

转换单元，与所述转换子模块相连，用于将所述彩色图像转换成灰度图像；

分割单元，与所述转换单元相连，用于使用梯度作为分割函数，采用拉普拉斯-高斯算子对所述灰度图像进行边界检测，得到中间结果图像；

标记单元，与所述分割单元相连，用于采用数学形态学技术在所述中间结果图像中标记前景树梢对象，得到树梢标记；并用于在所述中间结果图像中计算背景标记，生成围绕每个树梢标记的树冠边界线；

勾绘单元，与所述标记单元相连，用于根据所述树冠边界线进行树梢指导下的树冠勾绘，获得所述树冠轮廓分布图。

5.如权利要求4所述的系统，其特征在于，所述分割单元包括：

平滑子单元，与所述转换单元相连，用于对所述灰度图像进行高斯平滑，获得平滑图像；

识别子单元，与所述平滑子单元及标记单元相连，用于找到所述平滑图像二阶导数过零点，得到所述中间结果图像。

Images