CN106017367B - 一种郁闭度的测定方法和装置 - Google Patents
一种郁闭度的测定方法和装置 Download PDFInfo
- Publication number
- CN106017367B CN106017367B CN201610304870.7A CN201610304870A CN106017367B CN 106017367 B CN106017367 B CN 106017367B CN 201610304870 A CN201610304870 A CN 201610304870A CN 106017367 B CN106017367 B CN 106017367B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- sigma
- msup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明的实施例提供了一种郁闭度的测定方法和装置，可解决现有技术成本高、精度低的问题。该方法包括：获得树冠投影的图像；将图像转换成灰度图像；统计灰度图像中各个灰度级的像素数；根据各个灰度级的像素数确定郁闭度。根据本发明实施例，可利用既有的带有计算功能的照像设备，如智能手机、IPAD、照相机+计算机等，将本发明的方法植入上述设备中，就可实现本发明的功能。因此，在不增加额外硬件的情况下，通过控制软件从图像分析角度获取林分郁闭度，操作简单并实现了所见所得，精度高、速度快，极其适用于当今的野外森林调查工作。
Description
技术领域
本发明涉及一种森林经理和森林经营领域，尤其涉及一种郁闭度的测定方法和装置。
背景技术
郁闭度是反映森林结构和森林环境的一个重要因子，在水土流失、水源涵养、林分质量评价、森林景观建设等方面有广泛的应用，同时它是森林经营中小班区划、确定抚育采伐强度、判定是否为森林的重要因子。
所谓的郁闭度是有林地或疏林地样地内乔木树冠垂直投影覆盖面积与样地面积之比，它表示了树冠的闭锁程度。郁闭度测定方法很多，最典型且常用的有对角线法、棱镜法、冠层分析法、方格法，下面对这些方法进行简单描述。
对角线法是沿着样地的2条对角线每隔一定距离抬头仰望，上方是树冠则增加计数1，否则不计数，最后统计有树冠的点数占全部点数的百分数就是该样地的郁闭度。本法简单但是调查员抬头看上方，很难保证是垂直正上方，不同调查员可能产生不同的结果，同时如果是观测株行距固定的人工林，可能产生较大误差。
棱镜法是对角线法的改进，把抬头仰望改成通过水平观看一个专用棱镜来判断是否为树冠部分。由于人眼水平观看比垂直观看容易掌握，有利于消除个人间的测定误差，但是棱镜法因为观看的是一点或者是很小的一个范围，如果刚好是一个小林窗或者一片树叶，则可能造成很大误差；同样在规则株行距人工林中可能产生较大误差。
冠层分析法是通过取样地的图片，然后分析计算出该样地的郁闭度。该法通常使用鱼眼镜头，这需要额外的支出且很难实现所见所得；更主要的是，如果冠层影像对比度太大则冠层分析法误差较大，因此，为了能够得到光线适宜的冠层影像，通常要求在日出日落前后或者阴天等场合摄影。显然，这种规定调查时间的做法给调查员带来了很大的不便，制约了该方法的应用。
方格法是把透明方格纸或胶片放置在样地影像(通常是航片或卫片)上，统计树冠方格数占样地全部方格数的比例。该法测定并计算出郁闭度的精度与方格大小有关，方格越小精度越高，显然，差数方格所需要的时间也越长。在目前条件下，该法的最大困难是获取样地影像数据可能需要额外的资金支出，且很难实时获取样地影像。
综上所述，目前常用的各种郁闭度测定法都存在很多缺陷。随着人们对更加准确郁闭度数值获取需要的增加，急需一种成本低、易操作、精度高的测量仪器或者方法。
发明内容
本发明的实施例提供了一种郁闭度的测定方法和装置，可解决现有技术成本高、精度低的问题。
本发明的实施例提供了一种确定郁闭度的方法，包括：获得树冠投影的图像；将图像转换成灰度图像；统计灰度图像中各个灰度级的像素数；根据各个灰度级的像素数确定郁闭度；
所述根据各个灰度级的像素数确定郁闭度具体包括：
按照组间组内方差结合法确定分割阈值；
遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；
计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度；
所述按照组间组内方差结合法确定阈值具体包括：
设图像各灰度级的概率为pi(i＝1,…,255)，其中pi＝第i级灰度像素数/各灰度级像素总和；以m为界把灰度级分成G1、G2两组，则G1组的概率和x1与灰度平均值y1分别为
G2组的概率和x2与灰度平均值y2分别为
于是，图像的灰度平均值y
G1、G2组间方差σ
对G1、G2两组分别引入组内方差，下面分别为G1组内方差和G2组内方差：
定义计算函数t，
取使t达到最大时的值作为分割阈值，即使t达到最大时的值灰度作为分割阈值。
本发明实施例还提供了一种测定郁闭度的装置，包括：图像获得单元，用于获得树冠投影的图像；转换单元，用于将图像转换成灰度图像；统计单元，用于统计灰度图像中各个灰度级的像素数；确定单元，用于根据各个灰度级的像素数确定郁闭度；
所述确定单元具体包括：第二阈值确定单元，用于按照组间组内方差结合法确定分割阈值；计算单元，遍历灰度图像中所有像素，如果某像素的灰度级值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度；
所述按照组间组内方差结合法确定阈值具体包括：
设图像各灰度级的概率为pi(i＝1,…,255)，其中pi＝第i级灰度像素数/各灰度级像素总和；以m为界把灰度级分成G1、G2两组，则G1组的概率和x1与灰度平均值y1分别为
G2组的概率和x2与灰度平均值y2分别为
于是，图像的灰度平均值y
G1、G2组间方差σ
对G1、G2两组分别引入组内方差，下面分别为G1组内方差和G2组内方差：
定义计算函数t，
取使t达到最大时的值作为分割阈值，即使t达到最大时的值灰度作为分割阈值。
根据本发明实施例，可利用既有的带有计算功能的照像设备，如智能手机、IPAD、照相机+计算机等，将本发明的方法植入上述设备中，就可实现本发明的功能。因此，在不增加额外硬件的情况下，通过控制软件从图像分析角度获取林分郁闭度，操作简单并实现了所见所得，精度高、速度快，极其适用于当今的野外森林调查工作。
附图说明
图1示出了本发明实施例的测定郁闭度的流程；
图2示出了本发明实施例的测定郁闭度的装置；
图3a和图3b示出了样地的测点。
具体实施方式
为了便于本领域一般技术人员理解和实现本发明，现结合附图描绘本发明的实施例。
实施例一
郁闭度是样地内乔木树冠垂直投影覆盖面积与样地面积之比，假想把地面“平移”到树稍位置，则“地面”由树冠覆盖部分和没有覆盖部分(即空隙)组成，获取上部空间图像，然后统计树冠覆盖部分大小，则其占整张图像面积的百分比就是摄影所及范围内的郁闭度。更为直接的考虑方法，用像机垂直向上摄影形成的图像，是冠层空间微缩在图像平面上，它由树冠和林冠空隙两部分形成的图像和，而图像中树冠影像面积与整张图像面积的比值与相应的树冠面积与林地面积比值是相等的，因此，问题转化为分割提取图像中的树冠影像部分，其所占整张图像的比例就是以摄影点为中心的郁闭度。
如图1所示，本实施例提供了一种测定郁闭度的方法，包括如下步骤：
步骤101、获得树冠投影的图像；可用照像设备连续摄影多张(如3张)，以对获得的多张图像平滑。
步骤102、将图像转换成灰度图像，如，把可见光彩色图像转变为256级灰度图像，每一灰度级对应一个灰度值，在本实施例中，将图像划分为256级灰度值，灰度级的值越小，其表示的像素点越暗；否则反之。
步骤103、统计灰度图像中各个灰度级的像素数；
步骤104、根据各个灰度级的像素数测定郁闭度，它包含两方面工作：首先确定分割阈值；然后根据此分割阈值判断图像中的树冠与天空部分，进而计算郁闭度。
下面分别介绍上述各个步骤。
在步骤104中，可采用图像分割方法实现，即，将图像分割为各个灰度级，然后根据各个灰度级的像素数确定郁闭度。在本实施例中，优选地，采用组间方差法确定郁闭度。下面描述采用组间方差法确定郁闭度的过程。
设图像各灰度级的概率为pi(i＝1,…,255)，其中pi＝第i级灰度像素数/各灰度级像素总和。以m为界把灰度级分成G1、G2两组，则G1组的概率和x1与灰度平均值y1分别为：
G2组的概率和x2与灰度平均值y2分别为
于是，图像的灰度平均值y
G1、G2组间方差σ
用使σ达到最大时的m作为分割阈值来分割图像，对于很多图像都能够较好的区分前景和背景。
遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数。计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。
为适应自然状态下复杂林业图像中树冠前景和背景的分割以及降低在植物叶缘光衍射对分割结果的影响，本实施例中，优先选择在组间方差的基础再引入组内方差，即采用组间组内方差结合法确定郁闭度，下面描述采用组间组内方差结合法确定郁闭度的过程。
在公式(1)-(6)的基础上，引入G1和G2两个组的组内方差，G1和G2两个组的组内方差为：
定义计算函数t，
达到最大时的t作为分割阈值，即灰度小于t的像素为冠层部分，否则是非树冠部分能够得到更加接近实际的分割效果，通过大量测试，效果良好。
遍历灰度图像中所有像素，如果某像素灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数。计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。
下面是采用C++代码获得郁闭度的过程。
函数Segment是搜获取值m的C++代码。
实施例二
本实施例提供了一种测定郁闭度的装置，包括：图像获得单元，用于获得树冠投影的图像；转换单元，用于将图像转换成灰度图像；统计单元，用于统计灰度图像中各个灰度级的像素数；确定单元，用于根据各个灰度级的像素数确定郁闭度。
所述确定单元包括：第一阈值确定单元，用于按照组间方差法确定分割阈值；计算单元，用于遍历灰度图像中所有像素：如果某像素值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。
所述确定单元还具体包括：第二阈值确定单元，用于按照组间组内方差结合法确定分割阈值；计算单元，遍历灰度图像中所有像素：如果某像素值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。
本实施例的各个单元的工作原理可参见实施例一的描述。
为了更准确地获得某一林地的郁闭度，可在林地中选择样地，并在样地中设多个测点，在该测点处获得冠层图像。具体如下，将样地设置为矩形或圆形等形状，然后在样地中选择多个测点，在每一测点获得冠层图像，对每一冠层图像进行分析处理，以确定平均郁闭度。图3a为矩形样地，图3b为圆形样地，如图3a和图3b所示，除了样地中心作为测点外在，还要在样地中心周围再选择4个(或更多)点，然后用这5个(或多个)点的平均值作为样地平均郁闭度的估计值。
根据本发明实施例，可利用既有的带有计算功能的照像设备，如智能手机、IPAD、照相机+计算机等，将本发明的方法植入上述设备中，就可实现本发明的功能。因此，在不增加额外硬件的情况下，通过控制软件从图像分析角度获取林分郁闭度，操作简单并实现了所见所得，精度高、速度快，极其适用于当今的野外森林调查工作。
虽然通过实施例描绘了本发明，但本领域普通技术人员知道，在不脱离本发明的精神和实质的情况下，就可使本发明有许多变形和变化，本发明的范围由所附的权利要求来限定。
Claims (2)
1.一种测定郁闭度的方法，其特征在于，包括：
获得树冠投影的图像；
将树冠投影的图像转换成灰度图像；
统计灰度图像中各个灰度级的像素数；
根据各个灰度级的像素数确定郁闭度；
所述根据各个灰度级的像素数确定郁闭度具体包括：
按照组间组内方差结合法确定分割阈值；
遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；
计数总和与灰度图像像素总数的比值就是该灰度图像所代表林地的郁闭度；
所述按照组间组内方差结合法确定阈值具体包括：
设灰度图像各灰度级的概率为pi，其中，i＝1,…,255，其中pi＝第i级灰度像素数/各灰度级像素总和；以m为界把灰度级分成G1、G2两组，则G1组的概率和x1与灰度平均值y1分别为
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<mfrac>
<mrow>
<msub>
<mi>ip</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
G2组的概率和x2与灰度平均值y2分别为
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<mfrac>
<mrow>
<msub>
<mi>ip</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
于是，图像的灰度平均值y
<mrow>
<mi>y</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</msubsup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
G1、G2组间方差σ
<mrow>
<mi>&sigma;</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</msubsup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
对G1、G2两组分别引入组内方差，下面分别为G1组内方差和G2组内方差：
<mrow>
<msub>
<mi>&sigma;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
定义计算函数t，
<mrow>
<mi>t</mi>
<mo>=</mo>
<mfrac>
<mi>&sigma;</mi>
<mrow>
<msub>
<mi>&sigma;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&sigma;</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
取使t达到最大时的值作为分割阈值，即使t达到最大时的值灰度作为分割阈值。
2.一种测定郁闭度的装置，其特征在于，包括：
图像获得单元，用于获得树冠投影的图像；
转换单元，用于将图像转换成灰度图像；
统计单元，用于统计灰度图像中各个灰度级的像素数；
确定单元，用于根据各个灰度级的像素数确定郁闭度。
所述确定单元具体包括：
阈值确定单元，用于按照组间组内方差结合法确定分割阈值；
计算单元，遍历灰度图像中所有像素，如果某像素的灰度级值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与灰度图像像素总数的比值就是该灰度图像所代表林地的郁闭度；
所述按照组间组内方差结合法确定阈值具体包括：
设灰度图像各灰度级的概率为pi，其中，i＝1,…,255，其中pi＝第i级灰度像素数/各灰度级像素总和；以m为界把灰度级分成G1、G2两组，则G1组的概率和x1与灰度平均值y1分别为
<mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<mfrac>
<mrow>
<msub>
<mi>ip</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
G2组的概率和x2与灰度平均值y2分别为
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<mfrac>
<mrow>
<msub>
<mi>ip</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
于是，图像的灰度平均值y
<mrow>
<mi>y</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</msubsup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
G1、G2组间方差σ
<mrow>
<mi>&sigma;</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</msubsup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
对G1、G2两组分别引入组内方差，下面分别为G1组内方差和G2组内方差：
<mrow>
<msub>
<mi>&sigma;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
定义计算函数t，
<mrow>
<mi>t</mi>
<mo>=</mo>
<mfrac>
<mi>&sigma;</mi>
<mrow>
<msub>
<mi>&sigma;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&sigma;</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mn>255</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
取使t达到最大时的值作为分割阈值，即使t达到最大时的值灰度作为分割阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610304870.7A CN106017367B (zh) | 2013-04-28 | 2013-04-28 | 一种郁闭度的测定方法和装置 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610304870.7A CN106017367B (zh) | 2013-04-28 | 2013-04-28 | 一种郁闭度的测定方法和装置 |
| CN201310154398.XA CN104121850B (zh) | 2013-04-28 | 2013-04-28 | 一种郁闭度的测定方法和装置 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310154398.XA Division CN104121850B (zh) | 2013-04-28 | 2013-04-28 | 一种郁闭度的测定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106017367A CN106017367A (zh) | 2016-10-12 |
| CN106017367B true CN106017367B (zh) | 2018-03-30 |
Family
ID=51767367
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310154398.XA Expired - Fee Related CN104121850B (zh) | 2013-04-28 | 2013-04-28 | 一种郁闭度的测定方法和装置 |
| CN201610304870.7A Expired - Fee Related CN106017367B (zh) | 2013-04-28 | 2013-04-28 | 一种郁闭度的测定方法和装置 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310154398.XA Expired - Fee Related CN104121850B (zh) | 2013-04-28 | 2013-04-28 | 一种郁闭度的测定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN104121850B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105403876B (zh) * | 2015-12-24 | 2018-01-30 | 中国林业科学研究院资源信息研究所 | 森林郁闭度的测量方法和装置 |
| CN106683092B (zh) * | 2017-01-09 | 2020-04-03 | 大连大学 | 测算蓝莓树冠郁闭度的装置和方法 |
| CN107270876B (zh) * | 2017-08-03 | 2020-04-03 | 陕西省西安植物园 | 一种林分郁闭度的测定方法 |
| CN110617847A (zh) * | 2018-06-20 | 2019-12-27 | 福建农林大学 | 一种林分郁闭度自动测定系统及方法 |
| CN109033967B (zh) * | 2018-06-26 | 2022-04-12 | 中国林业科学研究院资源信息研究所 | 一种林木密闭度测算的方法和装置 |
| CN109166158A (zh) * | 2018-08-24 | 2019-01-08 | 中国电建集团华东勘测设计研究院有限公司 | 一种林地郁闭度确定方法、装置及系统 |
| CN111598874B (zh) * | 2020-05-15 | 2023-05-16 | 北京大学深圳研究生院 | 一种基于智能移动端的红树林郁闭度调查方法 |
| CN111578906A (zh) * | 2020-06-11 | 2020-08-25 | 南京林业大学 | 一种树木健康的实时监测系统及方法 |
| CN112361998B (zh) * | 2020-11-12 | 2022-10-21 | 中国林业科学研究院林业研究所 | 一种基于智能手机的植物叶面积指数测定方法及其应用 |
| CN112868456B (zh) * | 2021-01-15 | 2022-09-06 | 杭州大地科技有限公司 | 二分法确定观叶乔木最佳栽植面的方法及其定位装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924610A (zh) * | 2005-09-01 | 2007-03-07 | 中国林业科学研究院资源信息研究所 | 利用陆地卫星数据反演森林郁闭度和蓄积量的方法 |
| CN102096818A (zh) * | 2011-01-31 | 2011-06-15 | 中国林业科学研究院资源信息研究所 | 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统 |
| CN102542276A (zh) * | 2011-12-27 | 2012-07-04 | 中国科学院东北地理与农业生态研究所 | 应用Photoshop和Matlab快速提取森林郁闭度的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11142118A (ja) * | 1997-11-13 | 1999-05-28 | Nippon Telegr & Teleph Corp <Ntt> | 距離計測方法及び装置及びこの方法を記録した記録媒体 |
| JP3927353B2 (ja) * | 2000-06-15 | 2007-06-06 | 株式会社日立製作所 | 比較検査における画像の位置合せ方法、比較検査方法及び比較検査装置 |
-
2013
- 2013-04-28 CN CN201310154398.XA patent/CN104121850B/zh not_active Expired - Fee Related
- 2013-04-28 CN CN201610304870.7A patent/CN106017367B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1924610A (zh) * | 2005-09-01 | 2007-03-07 | 中国林业科学研究院资源信息研究所 | 利用陆地卫星数据反演森林郁闭度和蓄积量的方法 |
| CN102096818A (zh) * | 2011-01-31 | 2011-06-15 | 中国林业科学研究院资源信息研究所 | 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统 |
| CN102542276A (zh) * | 2011-12-27 | 2012-07-04 | 中国科学院东北地理与农业生态研究所 | 应用Photoshop和Matlab快速提取森林郁闭度的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106017367A (zh) | 2016-10-12 |
| CN104121850A (zh) | 2014-10-29 |
| CN104121850B (zh) | 2017-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106017367B (zh) | 一种郁闭度的测定方法和装置 | |
| Brusa et al. | Increasing the precision of canopy closure estimates from hemispherical photography: Blue channel analysis and under-exposure | |
| Luo et al. | Estimation of wetland vegetation height and leaf area index using airborne laser scanning data | |
| Woodgate et al. | Understanding the variability in ground-based methods for retrieving canopy openness, gap fraction, and leaf area index in diverse forest systems | |
| Waser et al. | Semi-automatic classification of tree species in different forest ecosystems by spectral and geometric variables derived from Airborne Digital Sensor (ADS40) and RC30 data | |
| Zhang et al. | Estimation of forest leaf area index using height and canopy cover information extracted from unmanned aerial vehicle stereo imagery | |
| Hirschmugl et al. | Single tree detection in very high resolution remote sensing data | |
| Yang et al. | An automated cloud detection method based on the green channel of total-sky visible images | |
| CN102982334B (zh) | 基于目标边缘特征与灰度相似性的稀疏视差获取方法 | |
| CN101794406A (zh) | 烟粉虱成虫密度自动计数系统 | |
| JP2011103098A (ja) | 樹木本数算定方法及び樹木本数算定装置 | |
| CN104200457A (zh) | 基于广角摄像的离散型冠层叶面积指数检测系统和方法 | |
| Parent et al. | Assessing the potential for leaf-off LiDAR data to model canopy closure in temperate deciduous forests | |
| DE202014010866U1 (de) | Spekularitätsbestimmung von Bildern | |
| CN116665081B (zh) | 一种滨海植被地上生物量的估算方法、计算机设备及介质 | |
| Yang et al. | An RGB channel operation for removal of the difference of atmospheric scattering and its application on total sky cloud detection | |
| CN109741285A (zh) | 一种水下图像数据集的构建方法及系统 | |
| CN104813217B (zh) | 用于设计能够估计景深的无源单通道成像器的方法 | |
| Aghaei et al. | A flying gray ball multi-illuminant image dataset for color research | |
| Korpela et al. | The performance of a local maxima method for detecting individual tree tops in aerial photographs | |
| CN102542276A (zh) | 应用Photoshop和Matlab快速提取森林郁闭度的方法 | |
| CN114596003B (zh) | 植物景观视觉舒适性的分析方法和装置 | |
| CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
| Zhou et al. | Estimating ground fractional vegetation cover using the double-exposure method | |
| Erfanifard et al. | A robust approach to generate canopy cover maps using UltraCam-D derived orthoimagery classified by support vector machines in Zagros woodlands, West Iran |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180330 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |