CN108564021B - 一种基于数码相片提取荒漠植被盖度的方法 - Google Patents

一种基于数码相片提取荒漠植被盖度的方法 Download PDF

Info

Publication number
CN108564021B
CN108564021B CN201810306548.7A CN201810306548A CN108564021B CN 108564021 B CN108564021 B CN 108564021B CN 201810306548 A CN201810306548 A CN 201810306548A CN 108564021 B CN108564021 B CN 108564021B
Authority
CN
China
Prior art keywords
vegetation
desert
coverage
photos
area
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.)
Active
Application number
CN201810306548.7A
Other languages
English (en)
Other versions
CN108564021A (zh
Inventor
冯琦胜
高新华
黄晓东
梁天刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou University
Original Assignee
Lanzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lanzhou University filed Critical Lanzhou University
Priority to CN201810306548.7A priority Critical patent/CN108564021B/zh
Publication of CN108564021A publication Critical patent/CN108564021A/zh
Application granted granted Critical
Publication of CN108564021B publication Critical patent/CN108564021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Abstract

本发明公开了一种基于数码相片提取荒漠植被盖度的方法，包括如下步骤；1)借助相机在近地面或低空垂直向下拍摄，获取荒漠植被的数字照片；2)将照片的颜色空间由RGB转换为HSV；3)计算基于S和V的荒漠植被提取指数，并通过阈值分割方法区分出荒漠植被分布区域；4)获取荒漠区域的植被像素数，并计算其占照片总像素数的百分比作为荒漠植被的盖度值。本发明属于一种基于HSV颜色空间S、V分量的荒漠植被提取方法，基于该方法可以根据荒漠植被照片计算荒漠植被的盖度。

Description

一种基于数码相片提取荒漠植被盖度的方法
技术领域
本发明涉及提取荒漠植被盖度相关领域，具体来讲是一种基于HSV颜色空间提取荒漠植被盖度的实现方法。
背景技术
植被盖度指植物群落总体或各个体的地上部分的垂直投影面积与样方面积之比的百分数。它反映植被的茂密程度和植物进行光合作用面积的大小。
在草地植物群落野外调查中,传统的草地植被盖度测定方法有目测法、方格法、针刺法、仪器测量法、遥感解译法等多种方法。目测法简单快捷,但观测精度受观测者主观因素、经验等影响较大，观测者不同，观测结果差异较大；方格法有较高的观测精度,但是效率较低；针刺法是应用概率统计学原理而形成的盖度估算技术,但这种方法依然费时费力,精度也并不理想。仪器法需使用专门仪器设备,经济成本较高,且野外携带和操作均不方便。卫星遥感反演算法仅能估算出大尺度区域上的草地盖度,不适合实地观测需要。
2000年以来,数码相机迅速普及,科研人员开始尝试应用数码相机和图像处理技术开展草地盖度测量。具体方法是在一定高度上，采用数码相机垂直向下拍摄草地照片。使用计算机数字图像处理的方法，区分照片中植被和非植被区域，通过计算植被区域像素数量占照片总像素数的比例来估算植被盖度。与传统的方法相比，照相法简便易行，自动化程度高，受人为因素影响小。然而，照相法的观测精度受到植被区域提取方法的限制。目前常用的植被提取算法有RGB阈值法、HSV判别法、RGB决策树法、Lab颜色空间的红绿分量阈值法等。这些方法均是通过计算照片中每个像素的特征指数，并按照一定的阈值或规则对照片进行分割，得到照片中绿色植被分布区。上述方法的基本思想是绿色植被在绿色通道的数值高于红色和蓝色通道数值，并在植株密度较大、时空分布较均匀的农作物和部分绿色植被上取得很好的结果。但由于荒漠植被叶片较少，颜色偏黄，且包含大量枯黄的枝条，上述针对绿色植被提取的方法并不适用于荒漠植被的提取。
发明内容
因此，为了解决上述不足，本发明在此提供一种基于数码相片提取荒漠植被盖度的方法；本发明属于一种基于HSV颜色空间下，S、V分量的荒漠植被提取方法，基于该方法可以根据荒漠植被照片计算得到荒漠植被盖度。
本发明是这样实现的，构造一种基于HSV颜色空间提取荒漠植被盖度的实现方法，其特征在于：按照如下方式实现；
1)借助相机在近地面或低空垂直向下拍摄，获取荒漠植被的数字照片；
2)将照片的颜色空间由RGB转换为HSV；
3)计算基于S和V的荒漠植被提取特征指数，并通过阈值分割方法区分出荒漠植被分布区域；指数计算形式如下：
Figure BDA0001621144690000021
Figure BDA0001621144690000022
其中，S、V分别表示HSV颜色空间中的饱和度(S)和明度值(V),T为分割阈值，bw为荒漠区域植被与非植被分布的二值图；
4)获取荒漠区域的像素数，并计算其占照片总像素数的百分比作为荒漠植被的盖度值；具体计算公式如下：
Figure BDA0001621144690000023
其中，FVC为荒漠植被盖度(％)，Nv、Ns和Nt分别为照片中植被区、非植被区像素数和总像素数。
本发明具有如下优点：本发明提供一种基于HSV颜色空间提取荒漠植被盖度的实现方法，具有如下优点：
优点1，借助HSV颜色空间中的饱和度(S)和明度(V)的组合区分照片中的植被。饱和度表示颜色接近原色的程度，取值在0(灰色)到1(原色)之间。明度表示颜色明亮的程度，与物体的透射比或反射比有关。取值范围为0(黑)到1(白)。植被区域与非植被区域相比，具有较高的饱和度和较低的明度,所以二者的归一化值可以作为区分植被和非植被的指标。
优点2，该方法通过照片中颜色的饱和度(S)和明度(V)的组合区分照片中的植被和非植被区域，而与具体的颜色无关，因此不仅适用于绿色植被的提取，而且可有效区分包含黄枯部分的荒漠植被。
附图说明
图1是本发明所述实现方法的流程框图。
具体实施方式
下面将结合附图1对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整的描述，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做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。
本发明通过改进在此提供一种基于数码相片提取荒漠植被盖度的方法，如图1所示，按照如下方式实现；
1)借助普通相机或搭载相机的其他平台，如支架、无人机等，在近地面或低空垂直向下拍摄，获取荒漠植被的数字照片。
2)将照片的颜色空间由RGB转换为HSV。
3)计算基于S和V的荒漠植被提取特征指数，并通过阈值分割方法区分出荒漠植被分布区域。该特征指数计算形式如下：
Figure BDA0001621144690000031
Figure BDA0001621144690000032
其中，S、V分别表示HSV颜色空间中的饱和度(S)和明度值(V),T为分割阈值，bw为荒漠区域植被与非植被分布二值图。
4)获取荒漠区域的像素数，并计算其占照片总像素数的百分比作为荒漠植被的盖度值。
本发明的优点体现在：
其1，借助HSV颜色空间中的饱和度(S)和明度(V)的组合区分照片中的植被。饱和度表示颜色接近原色的程度，取值在0(灰色)到1(原色)之间。明度表示颜色明亮的程度，与物体的透射比或反射比有关。取值范围为0(黑)到1(白)。植被区域与非植被区域相比，具有较高的饱和度和较低的明度,所以二者的归一化值可以作为区分植被和非植被的指标。
其2，该方法通过照片中颜色的饱和度(S)和明度(V)的组合区分照片中的植被和非植被区域，而与具体的颜色无关，因此不仅适用于绿色植被的提取，而且可有效区分包含黄枯部分的荒漠植被。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种基于数码相片提取荒漠植被盖度的方法，其特征在于：按照如下方式实现；
1)借助相机在近地面或低空垂直向下拍摄，获取荒漠植被的数字照片；
2)将照片的颜色空间由RGB转换为HSV；
3)计算基于S和V的荒漠植被提取特征指数，并通过阈值分割方法区分出荒漠植被分布区域；特征指数计算形式如下：
Figure FDA0001621144680000011
Figure FDA0001621144680000012
其中，S、V分别表示HSV颜色空间中的饱和度(S)和明度值(V),T为分割阈值，bw为荒漠区域植被与非植被分布二值图；
4)获取荒漠区域的植被像素数，并计算其占照片总像素数的百分比，作为荒漠植被的盖度值；具体计算公式如下：
Figure FDA0001621144680000013
其中，FVC为荒漠植被盖度(％)，Nv、Ns和Nt分别为照片中植被区、非植被区像素数和总像素数。
CN201810306548.7A 2018-04-08 2018-04-08 一种基于数码相片提取荒漠植被盖度的方法 Active CN108564021B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810306548.7A CN108564021B (zh) 2018-04-08 2018-04-08 一种基于数码相片提取荒漠植被盖度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810306548.7A CN108564021B (zh) 2018-04-08 2018-04-08 一种基于数码相片提取荒漠植被盖度的方法

Publications (2)

Publication Number Publication Date
CN108564021A CN108564021A (zh) 2018-09-21
CN108564021B true CN108564021B (zh) 2021-04-16

Family

ID=63534343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810306548.7A Active CN108564021B (zh) 2018-04-08 2018-04-08 一种基于数码相片提取荒漠植被盖度的方法

Country Status (1)

Country Link
CN (1) CN108564021B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800315B (zh) * 2019-01-31 2022-11-29 交通运输部天津水运工程科学研究所 一种照相法草地盖度计量图库建立的方法及使用方法
CN109934109B (zh) * 2019-01-31 2022-03-04 黄河水利委员会黄河水利科学研究院 一种基于遥感的黄土高原水土流失区林草植被信息提取方法
CN109765932A (zh) * 2019-01-31 2019-05-17 交通运输部天津水运工程科学研究所 一种荒漠灌丛盖度无人机调查方法
CN110120030A (zh) * 2019-03-28 2019-08-13 河南农业大学 小麦病害发生图像的处理方法、应用、计算机可读介质及病害发生面积测算方法
CN113175918B (zh) * 2020-01-08 2022-09-06 北京林业大学 一种智能手机测定植被盖度及密度的技术方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493894B (zh) * 2009-03-11 2010-10-13 北京林业大学 由数码照片估计植被盖度的方法
US8295548B2 (en) * 2009-06-22 2012-10-23 The Johns Hopkins University Systems and methods for remote tagging and tracking of objects using hyperspectral video sensors
CN104217103B (zh) * 2014-08-13 2017-03-29 中国农业科学院植物保护研究所 一种草地植被亚型的建立及数字化表示方法
CN106841051B (zh) * 2016-12-19 2019-05-10 中国科学院南京土壤研究所 一种基于可见光图像融合值的作物氮素营养检测方法

Also Published As

Publication number Publication date
CN108564021A (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
CN108564021B (zh) 一种基于数码相片提取荒漠植被盖度的方法
Gan et al. Immature green citrus fruit detection using color and thermal images
RU2018143340A (ru) Распознавание сорняка в естественной среде
CN103336966B (zh) 一种应用于农业智能机械的杂草图像辨识方法
CN111462223B (zh) 基于Sentinel-2影像的江淮地区大豆和玉米种植面积识别方法
CN109271919B (zh) 一种基于grb和网格模式的植被覆盖度测定方法
CN109886146B (zh) 基于机器视觉检测的洪灾信息遥感智能采集方法及设备
CN113176211B (zh) 一种基于hsv颜色空间模型变换的日间云检测方法
CN108776106A (zh) 一种基于无人机低空遥感的作物长势监测方法及系统
CN112200787A (zh) 光学遥感影像的云检测方法、存储介质及系统
CN111008642A (zh) 基于卷积神经网络的高分辨率遥感影像分类方法及系统
CN113850312A (zh) 森林生态状况的监测方法、装置、电子设备及存储介质
CN109451292B (zh) 图像色温校正方法及装置
Setyawan et al. Comparison of hsv and lab color spaces for hydroponic monitoring system
Xiangshu et al. Urban individual tree crown detection research using multispectral image dimensionality reduction with deep learning
CN106504258B (zh) 一种植物叶片图像提取方法及装置
Yuan et al. Color image quality assessment with multi deep convolutional networks
CN114842360A (zh) 一种牧区旱情识别方法、系统及管理平台
Di et al. The research on the feature extraction of sunflower leaf rust characteristics based on color and texture feature
CN112950484B (zh) 一种对摄影影像进行颜色污染祛除的方法
KR20210096925A (ko) 대용량 항공정사영상의 효율적인 색상보정 방법
CN116258968B (zh) 一种林果病虫管理方法及系统
CN109190634A (zh) 一种高效测量鸟巢隐蔽度的方法
CN111695503B (zh) 基于双波段辐亮度的珊瑚礁底质分类方法
KR102397148B1 (ko) 대용량 항공정사영상의 저해상도 컬러영상을 이용한 색상보정 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant