CN105719320B - 一种基于彩色数字图像植被冠层覆盖度计算方法及系统 - Google Patents

Abstract

本发明涉及一种基于彩色数字图像植被冠层覆盖度计算方法及系统，包括垂直拍摄获取待计算区域的彩色数字图像；计算彩色数字图像的每个像素的绿特征指数；调用Sobel算子分别根据每个像素的绿特征指数计算每个像素的梯度值，并将最大梯度值对应的像素的绿特征指数作为阈值；分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素，根据植被像素和非植被像素计算所述待计算区域的植被冠层覆盖度；本发明实现了植被冠层覆盖度的高精度计算，且节省人力，自适应性强。

Description

一种基于彩色数字图像植被冠层覆盖度计算方法及系统

技术领域

本发明涉及计算植被冠层覆盖度技术领域，特别涉及一种基于彩色数字图像植被冠层覆盖度计算方法及系统。

背景技术

植被冠层覆盖度是用来评价地表植被状况的一个非常重要的指标，同时是土壤侵蚀和水土流失的主要影响因子。研究表明，植被覆盖与气候因子关系十分密切。植被覆盖变化对气候的影响问题是目前气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环。植被冠层覆盖度是植物群落覆盖地表状况的一个综合量化指标。它是重要的气候、水文生态参数、土地退化、盐渍化和沙漠化的有效评估指数。同时，它还是全球环境变化的敏感因子，地表植被蒸腾、土壤水分蒸发损失总量、光合作用的过程关键因子，水土流失的控制因子。因此，植被冠层覆盖度的高精度和自动化提取对于各领域的发展十分重要。现阶段提取植被冠层覆盖度的方法主要有以下两种：

1、地面测量，该方法主要是以人工实地测量获取数据。最简单的方法就是目估法。但是，目估法主观性太强，结果往往因人而异。在此基础上发展产生了一系列新的方法，主要是采样的方法，包括样方法、样带法和样点法等，其虽然提高了精度，但是受到较大人为因数影响。为了获得更准确的数据,科学家们发明了用于采样的仪器，如空间定量计和移动光量计等，这种仪器很好的满足了提高测量精度的目标，但是，在野外使用这些仪器操作上十分不便。随着统计学思想的发展，生态学家们将统计学应用于植被冠层覆盖度的规律研究中，通过对一定数量的地面点进行实地测量，再对实测数据进行时空分析，探究植被冠层覆盖度的时空分布规律，从而建立经验模型。但是，这种统计学的方法一般适用于特定区域及特定的植被类型，特异性强，同时也意味着局限性大，推广不易。

2、遥感测量，近些年来遥感技术的发展在一定程度上促进了生态学的进步。植被冠层覆盖度的提取也因此形成了一个新的发展方向。常见的方法有：回归模型法、植被指数法与像元分解模型法。回归模型法是寻找对植被冠层覆盖度敏感而对背景因素不敏感的植被指数，利用统计学思想分析植被指数与植被冠层覆盖度之间的关系，建立两者之间的各种回归模型。植被指数法是直接利用与植被指数关系好的指数来直接估算植被冠层覆盖度的反演方法。像元分解模型法是直接通过理论分析像元，对像元进行分解，进一步建立植被指数与植被冠层覆盖度的相关关系模型。

综上所述，这两大类植被冠层覆盖度的获取方法都存在一定的缺陷和问题，主要体现在：

(1)选取样方对先验知识的要求高，人眼估测的主观性大，照片勾绘费时费力；

(2)采样仪器野外使用及携带不方便；

(3)统计模型在寻找合适的指数时特异性强，适用范围不广；

(4)利用遥感建立关系模型反演的方法，精度有限，反演适应范围有限。

发明内容

本发明目的是提供一种基于彩色数字图像植被冠层覆盖度计算方法及系统，解决现有技术中存在的上述问题。

本发明解决上述技术问题的技术方案如下：

一种基于彩色数字图像植被冠层覆盖度计算方法，包括如下步骤：

步骤1，垂直拍摄获取待计算区域的彩色数字图像；

步骤2，计算所述彩色数字图像的每个像素的绿特征指数；

步骤3，调用Sobel算子分别根据每个像素的绿特征指数计算每个像素的梯度值，并将最大梯度值对应的像素的绿特征指数作为阈值；

步骤4，分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素，根据植被像素和非植被像素计算所述待计算区域的植被冠层覆盖度。

本发明的有益效果是：彩色数字图像可通过数码相机拍摄获得，相对于人眼估测和照片勾绘大大提高了植被冠层覆盖度的计算精度，节省人力，有效避免人为判断和先验经验不足带来的偶然误差，且数码相机操作简单，在野外适用性强；并且基于绿特征指数和最大梯度值选取阈值，有效避免环境因素和人为因素的影响，自适应性强，且阈值可通过本发明方法所对应的计算程序自动获取，准确性高。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤2的具体实现为根据如下第一公式计算每个像素的绿特征指数；

所述第一公式如下所示：

EG＝2G-R-B

其中，所述EG为任一像素的绿特征指数，所述G、R和B分别为所述任一像素中绿色、红色和蓝色三种颜色在各自通道中的数值。

进一步，所述步骤3的具体实现包括如下步骤：

步骤31，调用Sobel算子根据如下第二公式和第三公式分别计算每个像素的横向亮度差分近似值和纵向亮度差分近似值；

所述第二公式如下所示：

所述第三公式如下所示：

其中，所述EG为任一像素的绿特征指数，所述为Sobel算子的横向卷 积因子，所述为Sobel算子的纵向卷积因子，所述S_x为所述任一像素的横向亮度 差分近似值，所述S_y为所述任一像素的纵向亮度差分近似值；

步骤32，根据如下第四公式计算每个像素的梯度值；

所述第四公式如下所示：

其中，所述M为所述任一像素的梯度值；

步骤33，将最大梯度值对应的像素的绿特征指数作为阈值。

进一步，所述步骤3的具体实现中按绿特征指数的大小顺序，逐一计算每个像素的梯度值，并绘制梯度值与绿特征指数的关系曲线，则关系曲线的最高点对应的梯度值即为最大梯度值。

采用上述进一步方案的有益效果是，按绿特征指数的大小顺序，逐一计算每个像素的梯度值，避免遗漏部分像素；绘制梯度值与绿特征指数的关系曲线，使最大梯度值清楚直观显现。

进一步，所述步骤4的具体实现包括如下步骤：

步骤41，分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素；

步骤42，计算全部植被像素所占面积与所述彩色数字图像总面积的百分比；

步骤43，当所述彩色数字图像为普通镜头拍摄的图像时，则所述百分比即为所述待计算区域的植被冠层覆盖度；当所述彩色数字图像为鱼眼镜头拍摄的图像时，则根据如下第五公式计算所述待计算区域的植被冠层覆盖度；

所述第五公式如下所示：

其中，所述y′为所述待计算区域的植被冠层覆盖度，所述y为所述百分比，所述m和n分别为所述彩色数字图像的长和宽，所述d为所述鱼眼镜头拍摄的图像中的有效图像的直径。

进一步，当所述彩色数字图像为鱼眼镜头拍摄的图像时，所述步骤1和步骤2之间还包括采用图像处理工具去除所述有效图像外围的噪点的步骤。

采用上述进一步方案的有益效果是，由于鱼眼镜头成像原因，有效图像外围会产生一圈噪点，此部分噪点像素的绿特征指数会大于阈值，从而被误分为植被像素，故去除有效图像外围的噪点，再进行植被冠层覆盖度计算，能够更好的保证计算的准确性。

进一步，所述垂直拍摄为从地面垂直向上拍摄，并且选择拍摄区域天空无云时进行。

采用上述进一步方案的有益效果是，因地面会存在绿草，在彩色数字图像中，绿草对应的像素会误分为植被像素，故垂直向上拍摄，采用天空作为背景，较垂直向下拍摄，采用地面作为背景计算准确性高；同理，云对应的像素也会误分为植被像素，故选择拍摄区域天空无云时进行，提高计算准确性。

本发明的另一技术方案如下：

一种基于彩色数字图像植被冠层覆盖度计算系统，包括数码相机、绿特征指数计算模块、阈值生成模块和植被冠层覆盖度计算模块；

所述数码相机，其用于垂直拍摄获取待计算区域的彩色数字图像；

所述绿特征指数计算模块，其用于计算所述彩色数字图像的每个像素的绿特征指数；

所述阈值生成模块，其用于调用Sobel算子分别根据每个像素的绿特征指数计算每个像素的梯度值，并将最大梯度值对应的像素的绿特征指数作为阈值；

所述植被冠层覆盖度计算模块，其用于分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素，根据植被像素和非植被像素计算所述待计算区域的植被冠层覆盖度。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述绿特征指数计算模块具体功能为根据如下第一公式计算每个像素的绿特征指数；

所述第一公式如下所示：

EG＝2G-R-B

其中，所述EG为任一像素的绿特征指数，所述G、R和B分别为所述任一像素中绿色、红色和蓝色三种颜色在各自通道中的数值；

所述阈值生成模块包括亮度差分近似值计算单元、梯度值计算单元和阈值生成单元；

所述亮度差分近似值计算单元，其用于调用Sobel算子根据如下第二公式和第三公式分别计算每个像素的横向亮度差分近似值和纵向亮度差分近似值；

所述第二公式如下所示：

所述第三公式如下所示：

其中，所述EG为任一像素的绿特征指数，所述为Sobel算子的横向卷 积因子，所述为Sobel算子的纵向卷积因子，所述S_x为所述任一像素的横向亮度 差分近似值，所述S_y为所述任一像素的纵向亮度差分近似值；

所述梯度值计算单元，其用于根据如下第四公式计算每个像素的梯度值；

所述第四公式如下所示：

其中，所述M为所述任一像素的梯度值；

所述阈值生成单元，其用于将最大梯度值对应的像素的绿特征指数作为阈值。

进一步，所述植被冠层覆盖度计算模块包括像素划分单元、百分比计算单元和植被冠层覆盖度计算单元；

所述像素划分单元，其用于分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素；

所述百分比计算单元，其用于计算全部植被像素所占面积与所述彩色数字图像总面积的百分比；

所述植被冠层覆盖度计算单元，其用于当所述彩色数字图像为普通镜头拍摄的图像时，则所述百分比即为所述待计算区域的植被冠层覆盖度；当所述彩色数字图像为鱼眼镜头拍摄的图像时，则根据如下第五公式计算所述待计算区域的植被冠层覆盖度；

所述第五公式如下所示：

其中，所述y′为所述待计算区域的植被冠层覆盖度，所述y为所述百分比，所述m和n分别为所述彩色数字图像的长和宽，所述d为所述鱼眼镜头拍摄的图像中的有效图像的直径。

附图说明

图1为本发明一种基于彩色数字图像植被冠层覆盖度计算方法的方法流程图；

图2为本发明一种基于彩色数字图像植被冠层覆盖度计算系统的系统原理框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种基于彩色数字图像植被冠层覆盖度计算方法，包括如下步骤：

步骤1，垂直拍摄获取待计算区域的彩色数字图像；所述垂直拍摄为从地面垂直向上拍摄，并且选择拍摄区域天空无云时进行。

步骤2，计算所述彩色数字图像的每个像素的绿特征指数。

所述步骤2的具体实现为根据如下第一公式计算每个像素的绿特征指数；

所述第一公式如下所示：

EG＝2G-R-B

其中，所述EG为任一像素的绿特征指数，所述G、R和B分别为所述任一像素中绿色、红色和蓝色三种颜色在各自通道中的数值。

当所述彩色数字图像为鱼眼镜头拍摄的图像时，所述步骤1和步骤2之间还包括采用图像处理工具去除所述有效图像外围的噪点的步骤。

步骤3，调用Sobel算子分别根据每个像素的绿特征指数计算每个像素的梯度值，并将最大梯度值对应的像素的绿特征指数作为阈值。

所述步骤3的具体实现中按绿特征指数的大小顺序，逐一计算每个像素的梯度值，并绘制梯度值与绿特征指数的关系曲线，则关系曲线的最高点对应的梯度值即为最大梯度值。

所述步骤3的具体实现包括如下步骤：

步骤31，调用Sobel算子根据如下第二公式和第三公式分别计算每个像素的横向亮度差分近似值和纵向亮度差分近似值；

所述第二公式如下所示：

所述第三公式如下所示：

其中，所述EG为任一像素的绿特征指数，所述为Sobel算子的横向卷 积因子，所述为Sobel算子的纵向卷积因子，所述S_x为所述任一像素的横向亮度 差分近似值，所述S_y为所述任一像素的纵向亮度差分近似值；

步骤32，根据如下第四公式计算每个像素的梯度值；

所述第四公式如下所示：

其中，所述M为所述任一像素的梯度值；

步骤33，将最大梯度值对应的像素的绿特征指数作为阈值。

步骤4，分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素，根据植被像素和非植被像素计算所述待计算区域的植被冠层覆盖度。

所述步骤4的具体实现包括如下步骤：

步骤41，分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素；

步骤42，计算全部植被像素所占面积与所述彩色数字图像总面积的百分比；

步骤43，当所述彩色数字图像为普通镜头拍摄的图像时，则所述百分比即为所述待计算区域的植被冠层覆盖度；当所述彩色数字图像为鱼眼镜头拍摄的图像时，则根据如下第五公式计算所述待计算区域的植被冠层覆盖度；

所述第五公式如下所示：

其中，所述y′为所述待计算区域的植被冠层覆盖度，所述y为所述百分比，所述m和n分别为所述彩色数字图像的长和宽，所述d为所述鱼眼镜头拍摄的图像中的有效图像的直径。

如图2所示，一种基于彩色数字图像植被冠层覆盖度计算系统，包括数码相机、绿特征指数计算模块、阈值生成模块和植被冠层覆盖度计算模块。

所述数码相机，其用于垂直拍摄获取待计算区域的彩色数字图像；所述数码相机包括日常使用的普通数码相机或手机内置的数码相机。

所述绿特征指数计算模块，其用于计算所述彩色数字图像的每个像素的绿特征指数。

所述绿特征指数计算模块具体功能为根据如下第一公式计算每个像素的绿特征指数；

所述第一公式如下所示：

EG＝2G-R-B

其中，所述EG为任一像素的绿特征指数，所述G、R和B分别为所述任一像素中绿色、红色和蓝色三种颜色在各自通道中的数值；

所述阈值生成模块，其用于调用Sobel算子分别根据每个像素的绿特征指数计算每个像素的梯度值，并将最大梯度值对应的像素的绿特征指数作为阈值。

所述阈值生成模块包括亮度差分近似值计算单元、梯度值计算单元和阈值生成单元；

所述亮度差分近似值计算单元，其用于调用Sobel算子根据如下第二公式和第三公式分别计算每个像素的横向亮度差分近似值和纵向亮度差分近似值；

所述第二公式如下所示：

所述第三公式如下所示：

其中，所述EG为任一像素的绿特征指数，所述为Sobel算子的横向卷 积因子，所述为Sobel算子的纵向卷积因子，所述S_x为所述任一像素的横向亮度 差分近似值，所述S_y为所述任一像素的纵向亮度差分近似值；

所述梯度值计算单元，其用于根据如下第四公式计算每个像素的梯度值；

所述第四公式如下所示：

其中，所述M为所述任一像素的梯度值；

所述阈值生成单元，其用于将最大梯度值对应的像素的绿特征指数作为阈值。

所述植被冠层覆盖度计算模块，其用于分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素，根据植被像素和非植被像素计算所述待计算区域的植被冠层覆盖度。

所述植被冠层覆盖度计算模块包括像素划分单元、百分比计算单元和植被冠层覆盖度计算单元；

所述像素划分单元，其用于分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素；

所述百分比计算单元，其用于计算全部植被像素所占面积与所述彩色数字图像总面积的百分比；

所述植被冠层覆盖度计算单元，其用于当所述彩色数字图像为普通镜头拍摄的图像时，则所述百分比即为所述待计算区域的植被冠层覆盖度；当所述彩色数字图像为鱼眼镜头拍摄的图像时，则根据如下第五公式计算所述待计算区域的植被冠层覆盖度；

所述第五公式如下所示：

其中，所述y′为所述待计算区域的植被冠层覆盖度，所述y为所述百分比，所述m和n分别为所述彩色数字图像的长和宽，所述d为所述鱼眼镜头拍摄的图像中的有效图像的直径。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于彩色数字图像植被冠层覆盖度计算方法，其特征在于，包括如下步骤：

步骤1，垂直拍摄获取待计算区域的彩色数字图像；

步骤2，计算所述彩色数字图像的每个像素的绿特征指数；

步骤3，调用Sobel算子分别根据每个像素的绿特征指数计算每个像素的梯度值，并将最大梯度值对应的像素的绿特征指数作为阈值；

步骤4，分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素，根据植被像素和非植被像素计算所述待计算区域的植被冠层覆盖度。

2.根据权利要求1所述一种基于彩色数字图像植被冠层覆盖度计算方法，其特征在于，所述步骤2的具体实现为根据如下第一公式计算每个像素的绿特征指数；

所述第一公式如下所示：

EG＝2G-R-B

其中，所述EG为任一像素的绿特征指数，所述G、R和B分别为所述任一像素中绿色、红色和蓝色三种颜色在各自通道中的数值。

3.根据权利要求1所述一种基于彩色数字图像植被冠层覆盖度计算方法，其特征在于，所述步骤3的具体实现包括如下步骤：

步骤31，调用Sobel算子根据如下第二公式和第三公式分别计算每个像素的横向亮度差分近似值和纵向亮度差分近似值；

所述第二公式如下所示：

所述第三公式如下所示：

其中，所述EG为任一像素的绿特征指数，所述为Sobel算子的横向卷积因 子，所述为Sobel算子的纵向卷积因子，所述S_x为所述任一像素的横向亮度差分 近似值，所述S_y为所述任一像素的纵向亮度差分近似值；

步骤32，根据如下第四公式计算每个像素的梯度值；

所述第四公式如下所示：

其中，所述M为所述任一像素的梯度值；

步骤33，将最大梯度值对应的像素的绿特征指数作为阈值。

4.根据权利要求1所述一种基于彩色数字图像植被冠层覆盖度计算方法，其特征在于，所述步骤3的具体实现中按绿特征指数的大小顺序，逐一计算每个像素的梯度值，并绘制梯度值与绿特征指数的关系曲线，则关系曲线的最高点对应的梯度值即为最大梯度值。

5.根据权利要求1所述一种基于彩色数字图像植被冠层覆盖度计算方法，其特征在于，所述步骤4的具体实现包括如下步骤：

步骤41，分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素；

步骤42，计算全部植被像素所占面积与所述彩色数字图像总面积的百分比；

步骤43，当所述彩色数字图像为普通镜头拍摄的图像时，则所述百分比即为所述待计算区域的植被冠层覆盖度；当所述彩色数字图像为鱼眼镜头拍摄的图像时，则根据如下第五公式计算所述待计算区域的植被冠层覆盖度；

所述第五公式如下所示：

其中，所述y′为所述待计算区域的植被冠层覆盖度，所述y为所述百分比，所述m和n分别为所述彩色数字图像的长和宽，所述d为所述鱼眼镜头拍摄的图像中的有效图像的直径。

6.根据权利要求5所述一种基于彩色数字图像植被冠层覆盖度计算方法，其特征在于，当所述彩色数字图像为鱼眼镜头拍摄的图像时，所述步骤1和步骤2之间还包括采用图像处理工具去除所述有效图像外围的噪点的步骤。

7.根据权利要求1至6任一项所述一种基于彩色数字图像植被冠层覆盖度计算方法，其特征在于，所述垂直拍摄为从地面垂直向上拍摄，并且选择拍摄区域天空无云时进行。

8.一种基于彩色数字图像植被冠层覆盖度计算系统，其特征在于，包括数码相机、绿特征指数计算模块、阈值生成模块和植被冠层覆盖度计算模块；

所述数码相机，其用于垂直拍摄获取待计算区域的彩色数字图像；

所述绿特征指数计算模块，其用于计算所述彩色数字图像的每个像素的绿特征指数；

所述阈值生成模块，其用于调用Sobel算子分别根据每个像素的绿特征指数计算每个像素的梯度值，并将最大梯度值对应的像素的绿特征指数作为阈值；

所述植被冠层覆盖度计算模块，其用于分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素，根据植被像素和非植被像素计算所述待计算区域的植被冠层覆盖度。

9.根据权利要求8所述一种基于彩色数字图像植被冠层覆盖度计算系统，其特征在于，所述绿特征指数计算模块具体功能为根据如下第一公式计算每个像素的绿特征指数；

所述第一公式如下所示：

EG＝2G-R-B

其中，所述EG为任一像素的绿特征指数，所述G、R和B分别为所述任一像素中绿色、红色和蓝色三种颜色在各自通道中的数值；

所述阈值生成模块包括亮度差分近似值计算单元、梯度值计算单元和阈值生成单元；

所述亮度差分近似值计算单元，其用于调用Sobel算子根据如下第二公式和第三公式分别计算每个像素的横向亮度差分近似值和纵向亮度差分近似值；

所述第二公式如下所示：

所述第三公式如下所示：

其中，所述EG为任一像素的绿特征指数，所述为Sobel算子的横向卷积因 子，所述为Sobel算子的纵向卷积因子，所述S_x为所述任一像素的横向亮度差分 近似值，所述S_y为所述任一像素的纵向亮度差分近似值；

所述梯度值计算单元，其用于根据如下第四公式计算每个像素的梯度值；

所述第四公式如下所示：

其中，所述M为所述任一像素的梯度值；

所述阈值生成单元，其用于将最大梯度值对应的像素的绿特征指数作为阈值。

10.根据权利要求8所述一种基于彩色数字图像植被冠层覆盖度计算系统，其特征在于，所述植被冠层覆盖度计算模块包括像素划分单元、百分比计算单元和植被冠层覆盖度计算单元；

所述像素划分单元，其用于分别将每个像素的绿特征指数与所述阈值进行比较，将绿特征指数大于或等于所述阈值的对应像素归为植被像素，将绿特征指数小于所述阈值的对应像素归为非植被像素；

所述百分比计算单元，其用于计算全部植被像素所占面积与所述彩色数字图像总面积的百分比；

所述植被冠层覆盖度计算单元，其用于当所述彩色数字图像为普通镜头拍摄的图像时，则所述百分比即为所述待计算区域的植被冠层覆盖度；当所述彩色数字图像为鱼眼镜头拍摄的图像时，则根据如下第五公式计算所述待计算区域的植被冠层覆盖度；

所述第五公式如下所示：

其中，所述y′为所述待计算区域的植被冠层覆盖度，所述y为所述百分比，所述m和n分别为所述彩色数字图像的长和宽，所述d为所述鱼眼镜头拍摄的图像中的有效图像的直径。