CN110779876A - 一种疫木识别方法、装置、设备及计算机可读存储介质 - Google Patents
一种疫木识别方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110779876A CN110779876A CN201911082315.4A CN201911082315A CN110779876A CN 110779876 A CN110779876 A CN 110779876A CN 201911082315 A CN201911082315 A CN 201911082315A CN 110779876 A CN110779876 A CN 110779876A
- Authority
- CN
- China
- Prior art keywords
- pixel
- pixels
- image
- reflectivity
- multispectral
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种疫木识别方法,包括:获取具有多个光谱通道的多光谱反射率图像;获取多光谱反射率图像上各个像素在各个光谱通道对应的波段反射率,利用各个波段反射率计算各个像素对应的光谱指数;将至少一个光谱指数不处于对应指数区间内的像素确定为非目标像素,清除多光谱反射率图像中的非目标像素,并进行栅格空洞填充处理,得到疫木区域图像;确定疫木区域图像中的各个像素域,依次判断各个像素域中的像素数量是否处于数量区间;若是,则将当前像素域确定为疫木像素域,并将疫木像素域内的像素确定为疫木像素;该方法可以提高疫木监测的准确率;此外,本发明还提供了一种疫木识别装置、设备及计算机可读存储介质,同样具有上述有益效果。
Description
技术领域
本发明涉及疫木监测技术领域,特别涉及一种疫木识别方法、疫木识别装置、疫木识别设备及计算机可读存储介质。
背景技术
松材线虫病素有“松树的癌症”之称,是一种以松褐天牛为主要传媒昆虫的毁灭性流行病,具有传播速度快、致死性强的特点,是目前世界上最具威胁的林业病害。森防站踏勘普查的传统手段并不能及时掌握疫木分布、发展情况,无法对其发病期进行完整的监测与定位,长期以往疫木不断扩散、蔓延,无法根治。因此治理松材线虫病的关键在于监测及防治,只有及时发现,彻底清除,才能斩断新感染源的产生,抑制病害传播。现有疫木监测方法获取马尾松冠层光谱,并获取马尾松在960nm、760nm、650nm和540nm处的冠层光谱反射率,利用冠层反射率判断是否为疫木。由于实际林木生长环境较为复杂,多种品种复杂地物随机分布,且树木与房屋、水体、裸地等交错混杂,某些地物的反射率与疫木冠层反射率相近,会对判断结果产生干扰,因此现有疫木筛查方法准确率较低。
因此,如何解决现有疫木识别方法的疫木筛查准确率较低的问题,是本领域技术人员需要解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种疫木识别方法、疫木识别装置、疫木识别设备及计算机可读存储介质,解决了现有疫木筛查方法准确率较低的问题。
为解决上述技术问题,本发明提供了一种疫木识别方法,包括:
获取具有多个光谱通道的多光谱反射率图像;
获取所述多光谱反射率图像上各个像素在各个所述光谱通道对应的波段反射率,利用各个所述波段反射率计算各个所述像素对应的光谱指数;
将至少一个所述光谱指数不处于对应指数区间内的所述像素确定为非目标像素,清除所述多光谱反射率图像中的所述非目标像素,并进行栅格空洞填充处理,得到疫木区域图像;
确定所述疫木区域图像中的各个像素域,依次判断各个所述像素域中的像素数量是否处于数量区间;
若是,则将当前像素域确定为疫木像素域,并将所述疫木像素域内的像素确定为疫木像素。
可选的,所述利用各个所述波段反射率计算各个所述像素对应的光谱指数,包括:
利用各个所述像素的红波段反射率减去绿波段反射率,得到第一数值,将所述红波段反射率和所述绿波段反射率相加,得到第二数值,利用所述第一数值除以所述第二数值,得到各个所述像素对应的第一光谱指数;
利用各个所述像素的近红外波段反射率减去所述红波段反射率,得到第三数值,利用所述第三数值除以所述第一数值,得到各个所述像素对应的第二光谱指数;
利用各个所述像素的所述近红外波段反射率减去红边波段反射率,得到第四数值,利用所述第一数值除以所述第四数值,得到各个所述像素对应的第三光谱指数。
可选的,在所述进行栅格空洞填充处理之后,在所述得到疫木区域图像之前,还包括:
利用各个所述像素的所述波段反射率计算各个所述像素对应的绿通道植被指数;
获取缓冲阈值区间,将所述多光谱反射率图像上所述绿通道植被指数处于所述缓冲阈值区间内的所述像素确定为缓冲像素;
清除所述多光谱反射率图像中的所述缓冲像素。
可选的,所述获取具有多个光谱通道的多光谱反射率图像,包括:
利用飞行器上的多光谱相机获取多个多光谱子图像;
将各个所述多光谱子图像进行降噪处理、配准处理和拼接处理,得到多光谱图像;
对所述多光谱图像进行辐射校正处理,得到所述多光谱反射率图像。
可选的,还包括:
利用所述飞行器的飞行参数、POS信息及GPS信息构建所述多光谱反射率图像对应的地理坐标信息。
可选的,还包括:
利用所述地理坐标信息确定各个所述像素对应的像素面积大小;
利用预设面积区间和所述像素面积大小确定所述数量区间。
可选的,在所述将所述疫木区域图像中相连数量超过预设阈值的所述像素确定为疫木像素之后,还包括:
在所述多光谱反射率图像对应的可见光图像上标记所述疫木像素对应的疫木可见光像素;
利用所述地理坐标信息在所述可见光图像上标记所述疫木可见光像素对应的地理坐标;
输出所述可见光图像。
本发明还提供了一种疫木识别装置,包括:
图像获取模块,用于获取具有多个光谱通道的多光谱反射率图像;
计算模块,用于获取所述多光谱反射率图像上各个像素在各个所述光谱通道对应的波段反射率,利用各个所述波段反射率计算各个所述像素对应的光谱指数;
处理模块,用于将至少一个所述光谱指数不处于对应指数区间内的所述像素确定为非目标像素,清除所述多光谱反射率图像中的所述非目标像素,并进行栅格空洞填充处理,得到疫木区域图像;
判断模块,用于确定所述疫木区域图像中的各个像素域,依次判断各个所述像素域中的像素数量是否处于数量区间;
确定模块,用于若所述像素域中的像素数量处于数量区间,则将当前像素域确定为疫木像素域,并将所述疫木像素域内的像素确定为疫木像素。
本发明还提供了一种疫木识别设备,包括存储器和处理器,其中:
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现上述的疫木识别方法。
本发明还提供了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现上述的疫木识别方法。
本发明提供的疫木识别方法,获取具有多个光谱通道的多光谱反射率图像。获取多光谱反射率图像上各个像素在各个光谱通道对应的波段反射率,利用各个波段反射率计算各个像素对应的光谱指数。将至少一个光谱指数不处于对应指数区间内的像素确定为非目标像素,清除多光谱反射率图像中的非目标像素,并进行栅格空洞填充处理,得到疫木区域图像。确定疫木区域图像中的各个像素域,依次判断各个像素域中的像素数量是否处于数量区间。若是,则将当前像素域确定为疫木像素域,并将疫木像素域内的像素确定为疫木像素。
可见,该方法计算各个像素对应的光谱指数,光谱指数可以表示该像素与真正的疫木像素的相似性,将至少一个光谱指数不处于对应指数区间内的像素确定为非目标像素并将非目标像素去除,只有全部光谱指数均处于对应指数区间内的像素才有可能为疫木像素。由于疫木的树冠大小在一定大小区间之内,因此由疫木像素组成的像素域中像素的数量应处于某个数量区间内,在清除非目标像素之后,将疫木区域图像中特殊像素域内的像素确定为疫木像素,即识别出疫木。该方法可以减少除疫木以外的其他地物对疫木监测的干扰,提高了疫木监测的准确率,解决了现有疫木筛查方法准确率较低的问题。
此外,本发明还提供了一种疫木识别装置、疫木识别设备及计算机可读存储介质,同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种疫木识别方法流程图;
图2为本发明实施例提供的一种具体的光谱指数计算流程图;
图3为本发明实施例提供的一种具体的缓冲像素清除流程图;
图4为本发明实施例提供的一种疫木识别装置的结构示意图;
图5为本发明实施例提供的一种疫木识别设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
请参考图1,图1为本发明实施例提供的一种疫木识别方法流程图。该方法包括:
S101:获取具有多个光谱通道的多光谱反射率图像。
多光谱反射率图像为包括多个光谱通道的图像,光谱通道也可以称为带或通道,多光谱反射率图像即为包括多个带的图像。本实施例并不限定获取光谱图像的具体获取方法,例如可以利用地面光谱设备获取多光谱反射率图像;或者可以利用遥感卫星获取多光谱反射率图像;或者可以利用飞行器获取多光谱反射率图像,飞行器具体可以为无人机(包括固定翼无人机和多旋翼无人机)、有人飞机、探空气球等。需要说明的是,光谱通道的数量和具体内容需要根据后续光谱指数的计算需要进行设定,光谱通道的数量和内容本实施例不做限定。例如当计算光谱指数需要红波段反射率、绿波段反射率和近红外波段反射率时,则光谱通道为红波段通道、绿波段通道和近红外波段通道。
进一步,为了提高监测准确性,同时为了提高图像获取的效率,本实施例优选的,利用飞行器上的多光谱相机获取多个多光谱子图像。将各个多光谱子图像进行降噪处理、配准处理和拼接处理,得到多光谱图像。配准处理和拼接处理具体可以为对多光谱子图像中不同光谱通道的图像进行配准,并在配准后进行拼接,得到多光谱图像,对多光谱图像进行辐射校正处理,得到多光谱反射率图像。
S102:获取多光谱反射率图像上各个像素在各个光谱通道对应的波段反射率,利用各个波段反射率计算各个像素对应的光谱指数。
多光谱反射率图像上包括多个像素,各个像素在各个光谱通道中均具有对应的波段反射率。利用各个像素对应的波段反射率计算各个像素对应的光谱指数,本实施例并不限定光谱指数的数量和内容,例如可以仅计算一个光谱指数,或者可以计算多个光谱指数,不同光谱指数表示的意义不同,例如有的光谱指数可以反映各种地物在某个光谱通道内的差异,有的光谱指数可以通过增强波段间的光谱强度差异性,进而反映各种地物的差异性。相应的,不同光谱指数的计算方式不同,不同的光谱指数利用波段反射率采用对应的计算方法计算得到。
S103:将至少一个光谱指数不处于对应指数区间内的像素确定为非目标像素,清除多光谱反射率图像中的非目标像素,并进行栅格空洞填充处理,得到疫木区域图像。
需要说明的是,各个光谱指数分别对应各自的指数区间,当光谱指数只有一个时,对应的指数区间也仅有一个;当光谱指数有多个时,多个光谱指数分别对应于对应指数区间,各个指数区间可以相同也可以不同。在计算得到各个像素对应的光谱指数之后,将各个像素的光谱指数和对应指数区间进行对比,将至少一个光谱指数不处于对应指数区间内的像素确定为非目标像素。当光谱指数仅有一个时,则判断各个像素的光谱指数是否处于对应指数区间,若不处于,则说明像素为非目标像素;当光谱指数有多个时,判断各个像素的各个光谱指数是否处于对应的对应指数区间,当某个像素的一个或多个光谱指数不处于对应指数区间内时,该像素即为非目标像素。
在确定非目标像素后,清除多光谱反射率图像中的非目标像素,多光谱反射率图像中剩余的像素即为目标像素。本实施例并不限定具体的清除方法,例如可以利用全黑像素替代非目标像素,表示对非目标像素进行了清除;或者可以利用全白像素替代非目标像素,表示对非目标像素进行了清除;或者可以对非目标像素进行标记,表示对非目标像素进行了清除;或者直接将多光谱反射率图像中的非目标像素进行裁剪。在清除非目标像素后,对多光谱反射率图像进行栅格空洞填充处理,对由目标像素构成的空洞进行填充,即将目标像素构成的闭合区域中的非目标像素修改为目标像素,或者利用目标像素替代由目标像素构成的闭合区域中的被裁剪像素,即可得到疫木区域图像,栅格空洞填充处理的具体处理方法可以参考相关技术,在此不再赘述。
S104:确定疫木区域图像中的各个像素域,依次判断各个像素域中的像素数量是否处于数量区间。
像素域由疫木区域图像中剩余的像素组成,可以包括一个像素或多个像素。由于经过栅格空洞填充处理,疫木区域图像中不存在空洞,因此像素域中包括多个像素时,像素域中的各个像素均具有相邻的像素。本实施例并不限定相邻的具体形式,例如某个像素的上、下、左、右四个方向的四个像素为其相邻的像素;或者某个像素的上、下、左、右、左上、右上、左下、右下八个方向的八个像素为其相邻的像素,多个相邻的像素即可组成一个像素域,各个像素域之间不相连。
在确定各个像素域后,依次确定当前像素域,并判断当前像素域中的像素数量是否处于数量区间,即依次判断各个像素域中的像素数量是否处于数量区间。数量区间用于对疫木像素域中像素的数量进行限定,由于疫木的树冠大小处于面积大小区间之内,疫木像素域为疫木的树冠像素组成的像素域,因此利用数量区间表示疫木像素域中像素的数量。当当前像素域中像素的数量不处于数量区间内时,可以进入S106步骤,即不执行任何操作;当当前像素域中像素的数量处于数量区间内时,可以进入S105步骤。
进一步,为了准确地确定数量区间,本实施例优选的,可以获取地理坐标信息,利用地理坐标信息确定数量区间。具体的,可以利用飞行器获取多光谱反射率图像,在获取多光谱反射率图像时,还可以利用飞行器的飞行参数、POS信息及GPS信息构建多光谱反射率图像对应的地理坐标信息;或者在利用遥感卫星获取多光谱反射率图像时,可以利用遥感卫星的轨迹信息和GPS信息构建多光谱反射率图像对应的地理坐标信息。利用地理坐标信息可以确定各个像素对应的像素面积大小,即每个像素对应地面的面积大小。利用预设面积区间和像素面积大小确定数量范围,预设面积区间表示树冠的面积区间,由于树冠面积一般处于0.2~1平方米之间,因此可以将预设面积区间设置为0.2~1平方米,利用预设面积区间和像素面积大小,即可准确地确定数量范围。
S105:将当前像素域确定为疫木像素域,并将疫木像素域内的像素确定为疫木像素。
由于依次判断各个像素域中的像素数量是否处于数量区间,因此当前像素域即为当前正在判断像素数量是否处于数量区间内的像素域,具体的判断顺序本实施例不做限定。当当前像素域中的像素数量处于数量区间内时,说明当前像素域为疫木像素域,疫木像素域为疫木在多光谱反射率图像中的表示,即当前像素域中像素组成的图像为疫木的图像,因此将当前像素域确定为疫木像素域,并将疫木像素域内的像素确定为疫木像素。确定疫木像素,即表示识别出了疫木。在确定疫木像素之后,还可以执行其他操作,本实施例对其他操作的具体内容和形式不做限定,例如输出疫木区域图像;或者可以利用地理位置信息对疫木图像进行位置标记,在标记后输出疫木区域图像;或者可以在疫木区域图像对应的可见光图像,即多光谱反射率图像对应的可见光图像上进行位置标记,在标记后输出可见光图像。
应用本发明实施例提供的疫木识别方法,在获取多光谱反射率图像后,获取多光谱反射率图像上对应的波段反射率,计算各个像素对应的多个光谱指数,光谱指数可以表示该像素与真正的疫木像素的相似性,将至少一个光谱指数不处于对应指数区间内的像素确定为非目标像素并将非目标像素去除,只有全部光谱指数均处于对应指数区间内的像素才有可能为疫木像素。由于疫木的树冠大小在一定大小区间之内,因此由疫木像素组成的像素域中像素的数量应处于某个数量区间内,在清除非目标像素之后,将疫木区域图像中特殊像素域内的像素确定为疫木像素,即识别出疫木。该方法可以减少除疫木以外的其他地物对疫木识别的干扰,提高了疫木监测的准确率,解决了现有疫木筛查方法准确率较低的问题。
基于上述实施例,本发明实施例将说明一种具体的光谱指数计算过程,具体可以参考图2,图2为本发明实施例提供的一种具体的光谱指数计算流程图,包括:
S201:利用各个像素的红波段反射率减去绿波段反射率,得到第一数值,将红波段反射率和绿波段反射率相加,得到第二数值,利用第一数值除以第二数值,得到各个像素对应的第一光谱指数。
具体的,利用ρRed表示红波段反射率,利用ρGreen表示绿波段反射率,则第一光谱指数即为:
其中,α表示第一光谱指数,第一光谱指数可以剔除波形相异的背景地物。
S202:利用各个像素的近红外波段反射率减去红波段反射率,得到第三数值,利用第三数值除以第一数值,得到各个像素对应的第二光谱指数。
具体的,利用ρNir表示近红外波段反射率,则第二光谱指数即为:
其中,β表示第二光谱指数,第二光谱指数可以增强波段间光谱强度的差异性以区分地物类别。
S203:利用各个像素的近红外波段反射率减去红边波段反射率,得到第四数值,利用第一数值除以第四数值,得到各个像素对应的第三光谱指数。
具体的,利用ρRedEdge表示红边波段反射率,则第三光谱指数即为:
其中,γ表示第三光谱指数,第三光谱指数同样可以增强波段间光谱强度的差异性以区分地物类别。需要说明的是,由于计算三个光谱指数需要红波段反射率、绿波段反射率、近红外波段反射率和红边波段反射率,因此对应的多光谱反射率图像需要包括红光谱通道、绿光谱通道、近红外光谱通道和红边光谱通道。
基于上述发明实施例,在进行栅格空洞填充处理之后,在得到疫木区域图像之前,还可以清除多光谱反射率图像中的缓冲像素,以便提高识别准确率,请参考图3,图3为本发明实施例提供的一种具体的缓冲像素清除流程图,包括:
S301:利用各个像素的波段反射率计算各个像素对应的绿通道植被指数。
具体的,可以利用GNDVI表示绿通道植被指数(green normalized differencevegetation index),绿通道植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标,在一定条件下能用来定量说明植被的生长状况,因此也可以表示对应的位置是否为植被。可以利用
计算绿通道植被指数。
S302:确定缓冲阈值区间,将多光谱反射率图像上绿通道植被指数处于缓冲阈值区间内的像素确定为缓冲像素。
缓冲阈值区间用于表示缓冲像素对应的绿通道植被指数区间,其具体的确定方法本实施例不做限定,例如可以获取多光谱反射率图像上各个像素对应的绿通道植被指数,根据各个像素对应的绿通道植被指数确定缓冲阈值区间;或者可以预设缓冲阈值区间。将处于缓冲阈值区间内的像素确定为缓冲像素,缓冲像素可以表示植被之间的建筑、道路或泥土等附近一段距离内的疑似区域。
S303:清除多光谱反射率图像中的缓冲像素。
清除多光谱反射率图像中的缓冲像素,可以清除疑似区域,进而提高疫木识别准确性。
基于上述发明实施例,在确定疫木像素之后,还可以输出带有标记的可见光图像,以便工作人员直观了解疫木情况。具体的,可以包括:
步骤1:在多光谱反射率图像对应的可见光图像上标记疫木像素对应的疫木可见光像素。
具体的,本实施例并不限定具体的可见光图像获取方法,可见光图像可以与多光谱反射率图像同时获取,即在获取多光谱反射率图像的同时利用数码相机获取对应的可见光图像;或者还可以利用多光谱反射率图像中红波段、绿波段和蓝波段三个波段的图像合成可见光图像。本实施例优选的,采用获取红绿蓝三个波段的图像的方法合成可见光图像,该方法需要处理的数据较少,且可见光图像与多光谱反射率图像匹配,不会出现偏差。在确定疫木像素之后,确定可见光图像上与疫木像素对应的疫木可见光像素,并对疫木可见光像素进行标记。
步骤2:利用地理坐标信息在可见光图像上标记疫木可见光像素对应的地理坐标。
地理坐标信息的获取与多光谱反射率图像的获取方式有关,例如当利用飞行器获取多光谱反射率图像时,可以利用飞行器的飞行参数、POS信息和GPS信息构建多光谱反射率图像对应的地理坐标信息;或者可以利用在获取多光谱反射率图像的过程中从多光谱子图中获取的位置信息构建多光谱反射率图像对应的地理坐标信息;或者当利用遥感卫星获取多光谱反射率图像时,可以利用遥感卫星的轨迹信息和GPS信息构建多光谱反射率图像对应的地理坐标信息;或者当利用地面光谱设备获取多光谱反射率图像时,可以利用地面光谱设备的位置信息等构建多光谱反射率图像对应的地理坐标信息。在获取地理坐标信息后,利用地理坐标信息在可见光图像上标记疫木可见光像素对应的地理坐标,本实施例并不限定具体的标记方法,例如可以在疫木可见光像素的旁边标记对应的经纬度坐标。
步骤3:输出可见光图像。
在对可见光图像上的疫木可见光像素进行标记过后,输出可见光图像,以便工作人员更加直观地了解疫木生长情况。
下面对本发明实施例提供的疫木识别装置进行介绍,下文描述的疫木识别装置与上文描述的疫木识别方法可相互对应参照。
请参考图4,图4为本发明实施例提供的一种疫木识别装置的结构示意图,包括:
图像获取模块410,用于获取具有多个光谱通道的多光谱反射率图像;
计算模块420,用于获取多光谱反射率图像上各个像素在各个光谱通道对应的波段反射率,利用各个波段反射率计算各个像素对应的多个光谱指数;
处理模块430,用于将至少一个光谱指数不处于对应指数区间内的像素确定为非目标像素,清除多光谱反射率图像中的非目标像素,并进行栅格空洞填充处理,得到疫木区域图像;
判断模块440,用于确定疫木区域图像中的各个像素域,依次判断各个像素域中的像素数量是否处于数量区间;
确定模块450,用于若像素域中的像素数量处于数量区间,则将当前像素域确定为疫木像素域,并将疫木像素域内的像素确定为疫木像素。
可选的,计算模块420,包括:
第一计算单元,用于利用各个像素的红波段反射率减去绿波段反射率,得到第一数值,将红波段反射率和绿波段反射率相加,得到第二数值,利用第一数值除以第二数值,得到各个像素对应的第一光谱指数;
第二计算单元,用于利用各个像素的近红外波段反射率减去红波段反射率,得到第三数值,利用第三数值除以第一数值,得到各个像素对应的第二光谱指数;
第三计算单元,用于利用各个像素的近红外波段反射率减去红边波段反射率,得到第四数值,利用第一数值除以第四数值,得到各个像素对应的第三光谱指数。
可选的,还包括:
绿通道植被指数计算模块,用于利用各个像素的波段反射率计算各个像素对应的绿通道植被指数;
缓冲像素确定模块,用于获取缓冲阈值区间,将多光谱反射率图像上绿通道植被指数处于缓冲阈值区间内的像素确定为缓冲像素;
缓冲像素清除模块,用于清除多光谱反射率图像中的缓冲像素。
可选的,图像获取模块410,包括:
子图像获取单元,用于利用飞行器上的多光谱相机获取多个多光谱子图像;
预处理单元,用于将各个多光谱子图像进行降噪处理、配准处理和拼接处理,得到多光谱图像;
辐射校正单元,用于对多光谱图像进行辐射校正处理,得到多光谱反射率图像。
可选的,还包括:
地理坐标信息获取模块,用于利用飞行器的飞行参数、POS信息及GPS信息构建多光谱反射率图像对应的地理坐标信息。
可选的,还包括:
像素面积大小确定模块,用于利用地理坐标信息确定各个像素对应的像素面积大小;
数量区间确定模块,用于利用预设面积区间和像素面积大小确定数量区间。
可选的,还包括:
第一标记模块,用于在多光谱反射率图像对应的可见光图像上标记疫木像素对应的疫木可见光像素;
第二标记模块,用于利用地理坐标信息在可见光图像上标记疫木可见光像素对应的地理坐标;
输出模块,用于输出可见光图像。
下面对本发明实施例提供的疫木识别设备进行介绍,下文描述的疫木识别设备与上文描述的疫木识别方法可相互对应参照。
请参考图5,图5为本发明实施例提供的一种疫木识别设备的结构示意图,该疫木识别设备包括存储器、处理器,其中:
存储器510,用于保存计算机程序;
处理器520,用于执行计算机程序,以实现上述的疫木识别方法。
下面对本发明实施例提供的计算机可读存储介质进行介绍,下文描述的计算机可读存储介质与上文描述的疫木识别方法可相互对应参照。
本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述的疫木识别方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应该认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其他任何变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上对本发明所提供的一种疫木识别方法、疫木识别装置、疫木识别设备及计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种疫木识别方法,其特征在于,包括:
获取具有多个光谱通道的多光谱反射率图像;
获取所述多光谱反射率图像上各个像素在各个所述光谱通道对应的波段反射率,利用各个所述波段反射率计算各个所述像素对应的光谱指数;
将至少一个所述光谱指数不处于对应指数区间内的所述像素确定为非目标像素,清除所述多光谱反射率图像中的所述非目标像素,并进行栅格空洞填充处理,得到疫木区域图像;
确定所述疫木区域图像中的各个像素域,依次判断各个所述像素域中的像素数量是否处于数量区间;
若是,则将当前像素域确定为疫木像素域,并将所述疫木像素域内的像素确定为疫木像素。
2.根据权利要求1所述的疫木识别方法,其特征在于,所述利用各个所述波段反射率计算各个所述像素对应的光谱指数,包括:
利用各个所述像素的红波段反射率减去绿波段反射率,得到第一数值,将所述红波段反射率和所述绿波段反射率相加,得到第二数值,利用所述第一数值除以所述第二数值,得到各个所述像素对应的第一光谱指数;
利用各个所述像素的近红外波段反射率减去所述红波段反射率,得到第三数值,利用所述第三数值除以所述第一数值,得到各个所述像素对应的第二光谱指数;
利用各个所述像素的所述近红外波段反射率减去红边波段反射率,得到第四数值,利用所述第一数值除以所述第四数值,得到各个所述像素对应的第三光谱指数。
3.根据权利要求1所述的疫木识别方法,其特征在于,在所述进行栅格空洞填充处理之后,在所述得到疫木区域图像之前,还包括:
利用各个所述像素的所述波段反射率计算各个所述像素对应的绿通道植被指数;
获取缓冲阈值区间,将所述多光谱反射率图像上所述绿通道植被指数处于所述缓冲阈值区间内的所述像素确定为缓冲像素;
清除所述多光谱反射率图像中的所述缓冲像素。
4.根据权利要求1所述的疫木识别方法,其特征在于,所述获取具有多个光谱通道的多光谱反射率图像,包括:
利用飞行器上的多光谱相机获取多个多光谱子图像;
将各个所述多光谱子图像进行降噪处理、配准处理和拼接处理,得到多光谱图像;
对所述多光谱图像进行辐射校正处理,得到所述多光谱反射率图像。
5.根据权利要求4所述的疫木识别方法,其特征在于,还包括:
利用所述飞行器的飞行参数、POS信息及GPS信息构建所述多光谱反射率图像对应的地理坐标信息。
6.根据权利要求5所述的疫木识别方法,其特征在于,还包括:
利用所述地理坐标信息确定各个所述像素对应的像素面积大小;
利用预设面积区间和所述像素面积大小确定所述数量区间。
7.根据权利要求6所述的疫木识别方法,其特征在于,在所述将所述疫木区域图像中相连数量超过预设阈值的所述像素确定为疫木像素之后,还包括:
在所述多光谱反射率图像对应的可见光图像上标记所述疫木像素对应的疫木可见光像素;
利用所述地理坐标信息在所述可见光图像上标记所述疫木可见光像素对应的地理坐标;
输出所述可见光图像。
8.一种疫木识别装置,其特征在于,包括:
图像获取模块,用于获取具有多个光谱通道的多光谱反射率图像;
计算模块,用于获取所述多光谱反射率图像上各个像素在各个所述光谱通道对应的波段反射率,利用各个所述波段反射率计算各个所述像素对应的光谱指数;
处理模块,用于将至少一个所述光谱指数不处于对应指数区间内的所述像素确定为非目标像素,清除所述多光谱反射率图像中的所述非目标像素,并进行栅格空洞填充处理,得到疫木区域图像;
判断模块,用于确定所述疫木区域图像中的各个像素域,依次判断各个所述像素域中的像素数量是否处于数量区间;
确定模块,用于若所述像素域中的像素数量处于数量区间,则将当前像素域确定为疫木像素域,并将所述疫木像素域内的像素确定为疫木像素。
9.一种疫木识别设备,其特征在于,包括存储器和处理器,其中:
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的疫木识别方法。
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的疫木识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911082315.4A CN110779876B (zh) | 2019-11-07 | 2019-11-07 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911082315.4A CN110779876B (zh) | 2019-11-07 | 2019-11-07 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110779876A true CN110779876A (zh) | 2020-02-11 |
CN110779876B CN110779876B (zh) | 2022-12-02 |
Family
ID=69389514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911082315.4A Active CN110779876B (zh) | 2019-11-07 | 2019-11-07 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110779876B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111491089A (zh) * | 2020-04-24 | 2020-08-04 | 厦门大学 | 一种利用图像采集装置监测背景物上目标物的方法 |
CN112183489A (zh) * | 2020-11-04 | 2021-01-05 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种松材变色立木识别定位方法、装置、设备及存储介质 |
CN112258793A (zh) * | 2020-10-19 | 2021-01-22 | 深圳前海微众银行股份有限公司 | 灾害监测及预警方法、装置、设备及介质 |
CN112652028A (zh) * | 2021-01-20 | 2021-04-13 | 四川测绘地理信息局测绘技术服务中心 | 基于rgb影像提取单株感染松材线虫病松木信息的方法 |
CN113640823A (zh) * | 2021-07-15 | 2021-11-12 | 北京三快在线科技有限公司 | 一种基于激光反射率底图进行地图绘制的方法及装置 |
CN113790818A (zh) * | 2021-08-10 | 2021-12-14 | 中国电子科技集团公司第十三研究所 | 可见光热反射测温方法及测温设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
CN103308466A (zh) * | 2013-06-04 | 2013-09-18 | 沈阳仪表科学研究院有限公司 | 便携式滤光片色轮型多光谱成像系统及其光谱图像处理方法 |
CN103426200A (zh) * | 2013-08-26 | 2013-12-04 | 天津大学 | 基于无人机航拍序列图像的树木三维重建方法 |
CN104463881A (zh) * | 2014-12-12 | 2015-03-25 | 西安电子科技大学 | 一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法 |
CN105403199A (zh) * | 2015-12-28 | 2016-03-16 | 北京观典航空科技股份有限公司 | 基于无人机的毒品原植物种植侦测方法及系统 |
CN106056069A (zh) * | 2016-05-27 | 2016-10-26 | 刘文萍 | 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 |
US20170084039A1 (en) * | 2015-09-18 | 2017-03-23 | SlantRange, Inc. | Systems and methods for determining statistics of plant populations based on overhead optical measurements |
CN107451982A (zh) * | 2017-08-14 | 2017-12-08 | 东北林业大学 | 一种基于无人机影像的高郁闭度林分树冠面积获取方法 |
CN107767364A (zh) * | 2017-09-12 | 2018-03-06 | 中国林业科学研究院林业研究所 | 基于红外热图像精准提取树木冠层温度的方法 |
CN109211802A (zh) * | 2018-09-13 | 2019-01-15 | 航天信德智图(北京)科技有限公司 | 卫星监测感染松材线虫病枯死马尾松的快速提取算法 |
CN109918531A (zh) * | 2019-03-06 | 2019-06-21 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种毒品原植物的搜查方法、装置和计算机可读存储介质 |
-
2019
- 2019-11-07 CN CN201911082315.4A patent/CN110779876B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
CN103308466A (zh) * | 2013-06-04 | 2013-09-18 | 沈阳仪表科学研究院有限公司 | 便携式滤光片色轮型多光谱成像系统及其光谱图像处理方法 |
CN103426200A (zh) * | 2013-08-26 | 2013-12-04 | 天津大学 | 基于无人机航拍序列图像的树木三维重建方法 |
CN104463881A (zh) * | 2014-12-12 | 2015-03-25 | 西安电子科技大学 | 一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法 |
US20170084039A1 (en) * | 2015-09-18 | 2017-03-23 | SlantRange, Inc. | Systems and methods for determining statistics of plant populations based on overhead optical measurements |
CN105403199A (zh) * | 2015-12-28 | 2016-03-16 | 北京观典航空科技股份有限公司 | 基于无人机的毒品原植物种植侦测方法及系统 |
CN106056069A (zh) * | 2016-05-27 | 2016-10-26 | 刘文萍 | 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 |
CN107451982A (zh) * | 2017-08-14 | 2017-12-08 | 东北林业大学 | 一种基于无人机影像的高郁闭度林分树冠面积获取方法 |
CN107767364A (zh) * | 2017-09-12 | 2018-03-06 | 中国林业科学研究院林业研究所 | 基于红外热图像精准提取树木冠层温度的方法 |
CN109211802A (zh) * | 2018-09-13 | 2019-01-15 | 航天信德智图(北京)科技有限公司 | 卫星监测感染松材线虫病枯死马尾松的快速提取算法 |
CN109918531A (zh) * | 2019-03-06 | 2019-06-21 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种毒品原植物的搜查方法、装置和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
齐建文 等: "融合空时显著性的雪天运动目标检测方法", 《计算机与数字工程》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111491089A (zh) * | 2020-04-24 | 2020-08-04 | 厦门大学 | 一种利用图像采集装置监测背景物上目标物的方法 |
CN112258793A (zh) * | 2020-10-19 | 2021-01-22 | 深圳前海微众银行股份有限公司 | 灾害监测及预警方法、装置、设备及介质 |
CN112183489A (zh) * | 2020-11-04 | 2021-01-05 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种松材变色立木识别定位方法、装置、设备及存储介质 |
CN112183489B (zh) * | 2020-11-04 | 2023-03-21 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种松材变色立木识别定位方法、装置、设备及存储介质 |
CN112652028A (zh) * | 2021-01-20 | 2021-04-13 | 四川测绘地理信息局测绘技术服务中心 | 基于rgb影像提取单株感染松材线虫病松木信息的方法 |
CN113640823A (zh) * | 2021-07-15 | 2021-11-12 | 北京三快在线科技有限公司 | 一种基于激光反射率底图进行地图绘制的方法及装置 |
CN113640823B (zh) * | 2021-07-15 | 2023-11-21 | 北京三快在线科技有限公司 | 一种基于激光反射率底图进行地图绘制的方法及装置 |
CN113790818A (zh) * | 2021-08-10 | 2021-12-14 | 中国电子科技集团公司第十三研究所 | 可见光热反射测温方法及测温设备 |
CN113790818B (zh) * | 2021-08-10 | 2023-09-26 | 中国电子科技集团公司第十三研究所 | 可见光热反射测温方法及测温设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110779876B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110779876B (zh) | 一种疫木识别方法、装置、设备及计算机可读存储介质 | |
Lau et al. | Quantifying branch architecture of tropical trees using terrestrial LiDAR and 3D modelling | |
Morsdorf et al. | Discrimination of vegetation strata in a multi-layered Mediterranean forest ecosystem using height and intensity information derived from airborne laser scanning | |
Wing et al. | Individual snag detection using neighborhood attribute filtered airborne lidar data | |
JP4900356B2 (ja) | 樹種分類方法及び樹種分類システム、森林現況情報の作成方法及び森林現況情報の作成システム、間伐対象区域の選定方法及び間伐対象区域の選定システム | |
Zaforemska et al. | Individual tree detection from UAV LiDAR data in a mixed species woodland | |
Hussin et al. | Evaluation of object-based image analysis techniques on very high-resolution satellite image for biomass estimation in a watershed of hilly forest of Nepal | |
Röder et al. | Application of optical unmanned aerial vehicle-based imagery for the inventory of natural regeneration and standing deadwood in post-disturbed spruce forests | |
Han et al. | Extraction of multilayer vegetation coverage using airborne LiDAR discrete points with intensity information in urban areas: A case study in Nanjing City, China | |
Clark et al. | Landscape analysis using multi-scale segmentation and object-oriented classification | |
Sasaki et al. | Estimation of leaf area index and canopy openness in broad-leaved forest using an airborne laser scanner in comparison with high-resolution near-infrared digital photography | |
Hardenbol et al. | Detection of standing retention trees in boreal forests with airborne laser scanning point clouds and multispectral imagery | |
Püssa | Forest edges on medium resolution landsat thematic mapper satellite images | |
Hsieh et al. | Analyzing spectral characteristics of shadow area from ADS-40 high radiometric resolution aerial images | |
Tsendbazar | Object based image analysis of geo-eye VHR data to model above ground carbon stock in Himalayan mid-hill forests, Nepal | |
Zaki et al. | Individual tree crown (ITC) delineation using watershed transformation algorithm for tropical lowland dipterocarp | |
Zaki et al. | Modelling the carbon stocks estimation of the tropical lowland dipterocarp forest using lidar and remotely sensed data | |
Pabi et al. | Linking Optical SPOT and Unmanned Aerial Vehicle data for a rapid biomass estimation in a Forest-savanna Transitional Zone of Ghana | |
CN112183489A (zh) | 一种松材变色立木识别定位方法、装置、设备及存储介质 | |
Jaya et al. | Spatial analysis of vegetation density classification in determining environmental impacts using uav imagery | |
CN111783625A (zh) | 一种平原河网区不透水面信息快速提取方法 | |
RU2773144C1 (ru) | Способ определения запасов стволовой древесины с использованием данных воздушной беспилотной съемки | |
Ogbodo et al. | The potential of synthetic aperture radar (SAR) imagery in automated detection of forest degradation features using visual and semi-automated analyses | |
Ismayilova et al. | Semantic identification of urban green spaces: forest | |
Watt | An evaluation of LiDAR and optical satellite data for the measurement of structural attributes in British upland conifer plantation forestry |
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 |