CN106056069A - 基于无人机图像分析的林地资源资产评估方法及其评估系统 - Google Patents

Abstract

本发明公开一种基于无人机图像分析的林地资源资产评估方法，包括S1：进行地理定位，并通过无人机上搭载的摄像头采集图像；S2：对所述图像进行预处理以增强图像特征；S3：采用FCM算法对经过预处理的图像进行分析，从而将每株树冠同周围环境区分开来；S4：提取图像中的树冠，计算树冠面积，评估林地资源资产情况。本发明还提出一种相应的评估系统，包括：采集模块，用于进行地理定位，并通过无人机上搭载的摄像头采集图像；预处理模块，用于对所述图像进行预处理以增强图像特征；图像分析模块，采用FCM算法对经过预处理的图像进行分析，从而将每株树冠同周围环境区分开来；评估模块，用于提取图像中的树冠，计算树冠面积，评估林地资源资产情况。

Description

基于无人机图像分析的林地资源资产评估方法及其评估系统

技术领域

本发明涉及林木资源评估技术领域，特别涉及一种基于无人机图像分析的林地资源资产评估方法及其评估系统。

背景技术

我国林地面积占世界第5位，对林地中的林木资源进行合理计价，有助于摸清家底，实现林木资源的资产化管理，进而建立明晰的林木资源资产产权关系；同时对提高林木资源综合利用效率，保护和合理利用林木资源也将起到积极的推动作用。

我国林木资源评估的研究重点主要是成熟林木的资产评估，现阶段对于成熟林木的评估还主要依赖于实地考察测量和工作人员的估测，若测量出现误差或是工作人员判断有误都可能造成评估结果出现严重偏差，同时评估过程也消耗大量的人力和物力。

无人机是通过无线电遥控设备或机载计算机程控系统进行操控的不载人飞行器。无人机结构简单、使用成本低，在突发事情应急、预警等方面有很大的作用。通过无人机航拍所成的影像具有高清晰、大比例尺、小面积、高现势性的优点。由于无人机检测技术具有高时效、高分辨率、高机动性、低成本、低消耗、低风险等优势和特点，能快速获取多空间的尺度、多相向的地面观测数据，必将成为评估林木资源的重要手段。无人机在对车、人无法到达地带的林业资源调查、生态环境、森林防火、森林病虫害防护等方面有其独特的优势，其机动快速、单位时间内观察面积大，使用维护成本低，维护操作简单等技术特点，具有对地快速实时巡察监测能力。

因此，如何充分利用无人机的优势，将无人机技术与林木资源评估相结合，成为本领域技术人员亟待解决的问题。

发明内容

本发明的目的在于将无人机技术与林木资源评估相结合，提供一种更为灵活、准确的林地资源资产评估方法及其系统。

为达上述目的，本发明首先提出一种基于无人机图像分析的林地资源资产评估方法，包括以下步骤：

S1：对被选林区进行地理定位，并通过无人机上搭载的摄像头采集所述被选林区的图像；

S2：对所述图像进行预处理以增强图像特征；

S3：采用FCM算法对经过预处理的图像进行分析，从而将每株树冠同周围环境区分开来；

S4：提取图像中的树冠，计算树冠面积，评估林地资源资产情况。

根据本发明提出的评估方法，其特征在于，所述步骤S2包括，对无人机拍摄到图像进行颜色空间转换，从而得到新的颜色空间，具体过程如下式所示：

$s1=arcsin\frac{R}{max(G,B)}$

$s2=arcsin\frac{G}{max(R,B)}$

$s3=arcsin\frac{B}{max(G,R)}$

其中，s1，s2，s3分别为新的颜色空间的三个通道像素值，R,G,B分别为原图像RGB颜色空间的三个通道的像素值。

根据本发明提出的评估方法，所述FCM算法是一种模糊聚类算法，它是将一组物理的或抽象的对象，根据一定的聚类准则对其进行分类，使类内样本尽可能相似，类间样本尽可能相异；主要步骤如下：

S31：聚类初始化：给定初始聚类中心V＝{v₀,v₁,......,v_c-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；

S32：求取隶属度函数U^(k)：

当时，

和r，

式中，c为聚类数目，r和j均为类的中心点，i为样本点，d_ij和d_ir分别表示i与j的欧式距离和i与r的欧式距离；

S33：求取V^(k+1)：

$\∀j,v_j^{(k+1)}=\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2{x}_i/\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2$

其中x_i为样本点的像素值；

S34：判断聚类结束条件：

如果k>10，则停止，否则令k＝k+1，转向步骤S32。

根据本发明提出的评估方法，所述步骤S4中通过计算被选林区中的树木郁闭度和胸径来对林木资源的资产情况进行评估。

本发明还提出一种基于无人机图像分析的林地资源资产评估系统，包括：

采集模块，用于对被选林区进行地理定位，并通过无人机上搭载的摄像头采集所述被选林区的图像；

预处理模块，与所述采集模块相连，用于对所述图像进行预处理以增强图像特征；

图像分析模块，与所述预处理模块相连，采用FCM算法对经过预处理的图像进行分析，从而将每株树冠同周围环境区分开来；

评估模块，与所述图像分析模块相连，用于提取图像中的树冠，计算树冠面积，评估林地资源资产情况。

根据本发明提出的评估系统，所述预处理模块对无人机拍摄到的图像进行颜色空间转换，从而得到新的颜色空间，具体过程如下式所示：

$s1=arcsin\frac{R}{max(G,B)}$

$s2=arcsin\frac{G}{max(R,B)}$

$s3=arcsin\frac{B}{max(G,R)}$

其中，s1，s2，s3分别为新的颜色空间的三个通道像素值，R,G,B分别为原图像RGB颜色空间的三个通道的像素值。

根据本发明提出的评估系统，所述图像分析模块中采用的FCM算法是一种模糊聚类算法，它是将一组物理的或抽象的对象，根据一定的聚类准则对其进行分类，使类内样本尽可能相似，类间样本尽可能相异；主要步骤如下：

聚类初始化：给定初始聚类中心V＝{v₀,v₁,......,v_c-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；

求取隶属度函数U^(k)：

当时，

和r，

式中，c为聚类数目，r和j均为类的中心点，i为样本点，d_ij和d_ir分别表示i与j的欧式距离和i与r的欧式距离；

求取V^(k+1)：

$\∀j,v_j^{(k+1)}=\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2{x}_i/\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2$

其中x_i为样本点的像素值；

判断聚类结束条件：

如果k>10，则停止，否则令k＝k+1，转向求取隶属度函数U^(k)的步骤。

根据本发明提出的评估系统，所述评估模块是通过计算被选林区中的树木郁闭度和胸径来对林木资源的资产情况进行评估。

与现有技术相比，本发明提出的一种基于无人机航拍技术的林木资源评估及其系统，可以通过无人机搭载摄像机、GPS记录仪等设备拍摄录制指定林区的航拍图片、影像等资料，将其传输至监测预警平台中，通过平台对所得到的图像进行图像处理，包括图像配准、拼接和增强等，提取图像特征，对图像进行分类。实现对林木资源的资产评估系统，使林木资源评估方式向图像化及智能化发展，方法更为灵活，且结合地面调查和实地测量结果，对于评估结果也更为精确。

附图说明

图1为本发明一具体实施例的评估过程示意图；

图2为本发明的评估方法的流程图；

图3为本发明的评估系统的结构框图；

图4A,图5A,图6A,图7A为原始图像；

图4B,图5B,图6B,图7B分别为图4A,图5A,图6A,图7A经过预处理和FCM算法之后的图像分析结果；

图8A,图9A,图10A,图11A为原始图像；

图8B,图9B,图10B,图11B分别为图8A,图9A,图10A,图11A不经过预处理直接进行FCM算法的图像分析结果；

图12A,图13A,图14A,图15A为原始图像；

图12B,图13B,图14B,图15B分别为图12A,图13A,图14A,图15A经过预处理以及传统的分水岭算法后的图像分析结果；

图16，图17和图18分别为林地树冠面积图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

基于无人机航拍技术的林木资源评估方法的流程图如图2所示，相应的林木资源评估系统如图3所示。本发明的主要功能是提取林地中人工林的树冠，计算其树冠的大小、直径及面积，实现林木资源的资产评估。对于评估方法，首先是利用无人机上所搭载的摄像机、GPS接收机、GPS记录仪等设备拍摄并定位林区图像，通过图像采集卡将其转为数字信号，存入缓冲区中；将所拍摄的图像进行预处理，提取图像特征，评估林木资源。对于评估系统可以分为四个模块，分别为：采集模块、图像预处理模块、林地图像分析模块以及林木资源评估模块。具体功能如下文所示。

图像预处理模块

对原无人机图像进行颜色空间转换，我们提出了一种新的颜色空间，其定义如下列公式所示。

$s1=arcsin\frac{R}{max(G,B)}---\left(1\right)$

$s2=arcsin\frac{G}{max(R,B)}---\left(2\right)$

$s3=arcsin\frac{B}{max(G,R)}---\left(3\right)$

其中s1，s2，s3分别为新的颜色空间的三个通道像素值，R,G,B分别为原图像RGB颜色空间的三个通道的像素值。

林地图像分析模块

本系统林地图像分析模块采用FCM算法，是一种模糊聚类算法。它是将一组物理的或抽象的对象，根据一定的聚类准则对其进行分类，使类内样本尽可能相似，类间样本尽可能相异。主要步骤如下：

1：聚类初始化：给定初始聚类中心V＝{v₀,v₁,......,v_c-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10。

2：求取隶属度函数U^(k)：

当时，

和r，

式中，c为聚类数目，r和j均为类的中心点，i为样本点，d_ij和d_ir分别表示i与j的欧式距离和i与r的欧式距离。

3：求取V^(k+1)：

$\∀j,v_j^{(k+1)}=\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2{x}_i/\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2$

式中，x_i为样本点的像素值。

4：判断聚类结束条件：

如果k>10，则停止，否则令k＝k+1，转向步骤2。

根据FCM算法对颜色空间转换后的林地图像分析处理，其结果如图4-7所示，该算法将林地的人工林中每株树冠同周围的其他自然环境很好的区分开来。

图像预处理模块中的颜色空间转换与林地图像分析模块中的分割算法的结合在本系统中非常重要。如果没有对原无人机图像进行颜色空间转换，其采用FCM算法的分析处理效果特别不好；同样，即使对原无人机图像进行颜色空间转换，但采用其他的图像分割算法(如分水岭算法)，也不一定能达到较好的效果。直接采用FCM算法对原无人机图像处理的实验结果如图8-11所示，采用分水岭算法对进行颜色空间转换后的图像处理的实验结果如图12-15所示。

从图8-11中可以看出，如果采用FCM算法直接对原无人机图像进行分析处理，其实验结果图中无法非常准确的分割出每株树的树冠。图12-15则为原林地图像经过颜色空间转换后采用分水岭算法对其进行处理，但最终实验结果的树冠分割效果不太准确。所以从图4-7、图8-11、图12-15这三组图来看，图像预处理模块中的颜色空间很重要，林地图像分析模块中的算法选取也重要，这两个模块的方法组合也是同等重要。

林木资源评估模块

本发明的林木资源评估模块基于林地图像分析模块的结果，提取图像中的树冠，计算其树冠面积，结合地面的树木相关信息，评估林木资源资产情况。树冠面积的计算结果如图16-18以及表1-3所示。

表1图16中各树冠面积

表2图17中各树冠面积

表3图18中各树冠面积

综上所述，本发明可以很好的分析基于无人机拍摄的林地图像，准确的提取林地中的人工林树冠，计算其树冠面积等相关信息。因为图像中树冠的面积大小还与无人机的拍摄高度有关，也要结合拍摄的高度对林木资源进行准确的智能化评估，采用的方法是设置地面参照物(例旗子)，因为地面参照物的像素面积是确定的，因此根据无人机拍摄的图像中的地面参照物的面积即可计算出无人机图像中的林地人工树木树冠的实际面积。

在实际的林木资源资产评估中，树木的胸径为人工评估的主要测量参数，因此本系统要通过无人机图像分析的树冠面积结果与实际测量的树木胸径建立相关函数关系，使得经过图像处理技术得到的树冠面积推导出其相对应的树木胸径，进而更直接的对林木资源进行评估，最终实现对林木资源资产更为精准的智能化评估系统，便于林木资源的管理和开发利用。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (8)

1.一种基于无人机图像分析的林地资源资产评估方法，其特征在于，包括以下步骤：

S1：对被选林区进行地理定位，并通过无人机上搭载的摄像头采集所述被选林区的图像；

S2：对所述图像进行预处理以增强图像特征；

S3：采用FCM算法对经过预处理的图像进行分析，从而将每株树冠同周围环境区分开来；

S4：提取图像中的树冠，计算树冠面积，评估林地资源资产情况。

2.根据权利要求1所述的评估方法，其特征在于，所述步骤S2包括，对无人机拍摄到的图像进行颜色空间转换，从而得到新的颜色空间，具体过程如下式所示：

$s1=\arcsin \frac{R}{max(G,B)}$

$s2=\arcsin \frac{G}{max(R,B)}$

$s3=\arcsin \frac{B}{max(G,R)}$

其中，s1，s2，s3分别为新的颜色空间的三个通道像素值，R,G,B分别为原图像RGB颜色空间的三个通道的像素值。

3.根据权利要求2所述的评估方法，其特征在于，所述FCM算法是一种模糊聚类算法，它是将一组物理的或抽象的对象，根据一定的聚类准则对其进行分类，使类内样本尽可能相似，类间样本尽可能相异；主要步骤如下：

S31：聚类初始化：给定初始聚类中心V＝{v₀,v₁,......,v_c-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；

S32：求取隶属度函数U^(k)：

当时，

和r，

式中，c为聚类数目，r和j均为类的中心点，i为样本点，d_ij和d_ir分别表示i与j的欧式距离和i与r的欧式距离；

S33：求取V^(k+1)：

$\∀j,v_j^{(k+1)}=\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2{x}_i/\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2$

其中x_i为样本点的像素值；

S34：判断聚类结束条件：

如果k＞10，则停止，否则令k＝k+1，转向步骤S32。

4.根据权利要求3所述的评估方法，其特征在于，所述步骤S4中通过计算被选林区中的树木郁闭度和胸径来对林木资源的资产情况进行评估。

5.一种基于无人机图像分析的林地资源资产评估系统，其特征在于，包括：

采集模块，用于对被选林区进行地理定位，并通过无人机上搭载的摄像头采集所述被选林区的图像；

预处理模块，与所述采集模块相连，用于对所述图像进行预处理以增强图像特征；

图像分析模块，与所述预处理模块相连，采用FCM算法对经过预处理的图像进行分析，从而将每株树冠同周围环境区分开来；

评估模块，与所述图像分析模块相连，用于提取图像中的树冠，计算树冠面积，评估林地资源资产情况。

6.根据权利要求5所述的评估系统，其特征在于，所述预处理模块对无人机拍摄到的图像进行颜色空间转换，从而得到新的颜色空间，具体过程如下式所示：

$s1=\arcsin \frac{R}{max(G,B)}$

$s2=\arcsin \frac{G}{max(R,B)}$

$s3=\arcsin \frac{B}{max(G,R)}$

其中，s1，s2，s3分别为新的颜色空间的三个通道像素值，R,G,B分别为原图像RGB颜色空间的三个通道的像素值。

7.根据权利要求6所述的评估系统，其特征在于，所述图像分析模块中采用的FCM算法是一种模糊聚类算法，它是将一组物理的或抽象的对象，根据一定的聚类准则对其进行分类，使类内样本尽可能相似，类间样本尽可能相异；主要步骤如下：

聚类初始化：给定初始聚类中心V＝{v₀,v₁,......,v_c-1}，初始迭代次数k＝0，聚类数目c，加权指数2，终止条件为超过最大迭代次数10；

求取隶属度函数U^(k)：

当时，

和r，

式中，c为聚类数目，r和j均为类的中心点，i为样本点，d_ij和d_ir分别表示i与j的欧式距离和i与r的欧式距离；

求取V^(k+1)：

$\∀j,v_j^{(k+1)}=\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2{x}_i/\underset{i=0}{\overset{n-1}{\Σ}}{\left({\mathrm{\μ}}_{ij}^{\left(k\right)}\right)}^2$

其中x_i为样本点的像素值；

判断聚类结束条件：

如果k＞10，则停止，否则令k＝k+1，转向求取隶属度函数U^(k)的步骤。

8.根据权利要求7所述的评估系统，其特征在于，所述评估模块是通过计算被选林区中的树木郁闭度和胸径来对林木资源的资产情况进行评估。