JP2019037198A - 植生被度判定方法および植生被度判定装置 - Google Patents
植生被度判定方法および植生被度判定装置 Download PDFInfo
- Publication number
- JP2019037198A JP2019037198A JP2017163570A JP2017163570A JP2019037198A JP 2019037198 A JP2019037198 A JP 2019037198A JP 2017163570 A JP2017163570 A JP 2017163570A JP 2017163570 A JP2017163570 A JP 2017163570A JP 2019037198 A JP2019037198 A JP 2019037198A
- Authority
- JP
- Japan
- Prior art keywords
- coverage
- image
- vegetation
- ground surface
- plant
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 39
- 239000006185 dispersion Substances 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000003086 colorant Substances 0.000 abstract 1
- 239000000284 extract Substances 0.000 abstract 1
- 238000007689 inspection Methods 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 39
- 238000010586 diagram Methods 0.000 description 7
- 238000011835 investigation Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 240000002044 Rhizophora apiculata Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
【課題】作業員が現場に立ち入ることなく、また専門家の知識に頼ることなく定量的な植生調査を可能にする植生被度判定方法および植生被度判定装置を提供することを目的とする。【解決手段】地表面144に生育している植物146の被度を判定する植生被度判定方法であって、空中を飛行可能なマルチコプター140に搭載したカメラ142によって地表面144を撮影し、撮影した地表面144の画像の空間周波数に対して所定の帯域を減衰させるバンドパスフィルタ処理を実施し(ステップ124)、色の変化の大きい画素を抽出する分散フィルタ処理を実施し(ステップ126)、色を輝度に変換して二値化処理を実施し(ステップ128)、生成した二値化処理画像から画像中における植物の被度を算出(ステップ130)することを特徴とする。【選択図】図2
Description
本発明は、地表面に生育している植物の被度を判定する植生被度判定方法および植生被度判定装置に関する。
事業活動において、環境への影響を把握または予測するため、植生調査が義務付けられることがある。植生調査では、その場にどのような種類の植物がどの程度の量や面積で生育しているのかが調査される。特に、我が国は、変化の大きい気候と起伏に富んだ地形を有しているため、草原や森林だけでなく、湿原や砂丘植生、さらにはマングローブ林など、特殊な立地で成立する自然植生も多く生育している。これらの自然植生も我が国の貴重な資源であり、各事業者には環境保護に対する積極的な取り組みが求められている。
旧来の植生調査においては、専門家による実地調査(踏査)が一般的であった。しかしながら、例えば湿原などにおいては、そもそも人が立ち入ることが困難であり、なおかつ、寒冷地であると植物の生育速度や微生物の分解速度も遅く、人が地表面を踏むこと自体が植生への大きなダメージになってしまう。そのため、例えば植物保護のための仮設足場を設けるなど、手間をかけながらも限定的な範囲のみでしか調査を行うことができない場合も多かった。このような点を踏まえ、近年の植生調査においては、対象を遠隔から測定するリモートセンシングに関する技術が多く活用されている。
リモートセンシングを活用した植生調査では、例えば地表面を人工衛星や航空機などを利用して上空から撮影し、取得した画像を基にして植物の面積や種類、被度(植物が地表面を覆っている割合)、さらには優占度(その種類が優勢か劣勢かを表す度合い)などの事項を判定する。例えば、特許文献1に記載の画像クラスタ分析装置では、人工衛星から撮影した地表面のマルチスペクトル画像を分析して森林等の植生を調査している。
現在、遠隔操作可能な無人の小型マルチコプター、いわゆるドローンの性能向上および利用拡大に注目が集まっている。ドローンを利用することで、人工衛星や航空機などを利用する場合に比べて、簡単かつより細かな植生調査も可能になる。しかしながら、いずれの手法においても、撮影した画像から植物の有無やその種類などの様々な事項を調べるには、植物に関して専門的な知識を有する者の目視による判断が必要であり、すべての範囲を調査するには非常に労力がかかっていた。
本発明は、このような課題に鑑み、作業員が現場に立ち入ることなく、また専門家の知識に頼ることなく定量的な植生調査を可能にする植生被度判定方法および植生被度判定装置を提供することを目的としている。
上記課題を解決するために、本発明にかかる植生被度判定方法の代表的な構成は、地表面に生育している植物の被度を判定する植生被度判定方法であって、空中を飛行可能なマルチコプターに搭載したカメラによって地表面を撮影し、撮影した地表面の画像の空間周波数に対して所定の帯域を減衰させるバンドパスフィルタ処理を実施し、色の変化の大きい画素を抽出する分散フィルタ処理を実施し、色を輝度に変換して二値化処理を実施し、生成した二値化処理画像から画像中における植物の被度を算出することを特徴とする。
上記構成では、マルチコプターを利用して取得した地表面の画像から被度の算出を行っている。特に、被度を算出する前の画像処理において、バンドパスフィルタ処理によって、小石などの微細な物体や地形のうねりのような大きな事象など、画像データから植物以外の部分を除去する。そして、分散フィルタ処理によって、植物組織が作り出した独特の色や模様、形状などの変化の大きい部分、すなわち植物の存在する可能性の高い部分を抽出する。これら処理を行ったうえで二値化処理を施し、植物を示す画素を抽出することで、植物の被度を精度よく算出している。これらによって、上記構成であれば、実地調査によらずとも、画像から地表面における植物の被度を定量的に判定することが可能になっている。
当該植生被度判定方法では、撮影した地表面の画像を所定の割合で分割し、分割した画像それぞれについて被度を算出するとよい。この構成によって、原画像中の植物の分布具合が判定可能になる。
当該植生被度判定方法はさらに、被度を基にしてその植物の画像中における優占度も判定することを特徴とする。上述した被度の算出によって、優占度も容易に判定可能になる。
上記課題を解決するために、本発明にかかる植生被度判定装置の代表的な構成は、地表面に生育している植物の被度を判定する植生被度判定装置であって、上空から撮影された地表面の画像の空間周波数に対して所定の帯域を減衰させるバンドパスフィルタ処理、および色の変化の大きい画素を抽出する分散フィルタ処理を実施するフィルタ処理部と、色を輝度に変換して二値化処理を実施する二値化処理部と、生成した二値化処理画像から画像中における植物の被度を算出する被度算出部と、を備えることを特徴とする。
上述した植生被度判定方法における技術的思想に対応する構成要素やその説明は、当該植生被度判定装置にも適用可能である。
本発明によれば、作業員が現場に立ち入ることなく、また専門家の知識に頼ることなく定量的な植生調査を可能にする植生被度判定方法および植生被度判定装置を提供することができる。
以下に添付図面を参照しながら、本発明の好適な実施形態について詳細に説明する。かかる実施形態に示す寸法、材料、その他具体的な数値などは、発明の理解を容易とするための例示に過ぎず、特に断る場合を除き、本発明を限定するものではない。なお、本明細書及び図面において、実質的に同一の機能、構成を有する要素については、同一の符号を付することにより重複説明を省略し、また本発明に直接関係のない要素は図示を省略する。
図1は、本発明の実施形態にかかる植生被度判定装置(判定装置100)を示すブロック図である。また、図2は、本発明の実施形態にかかる植生被度判定方法を示すフローチャートである。当該判定装置100および判定方法は、地表面に生育している植物の被度を判定するものであって、作業員が現場に立ち入ることなく、また専門家の知識に頼ることなく定量的な植生調査を可能にする。
図1の判定装置100は、図2に示す判定方法を実行する装置である。判定装置100は、おおまかに、プログラムや各データを格納するメモリ102、中心的な処理を行うCPU104、マルチコプター140とのデータの受け渡しを行う入出力部106を備えている。またCPU104は、プログラムの実行等の制御を行う制御部108、各種の演算を行う演算部110などとして機能する。なお、本実施形態では、判定装置100がマルチコプター140とは別体になっている場合を想定しているが、これに限定するものではなく、判定装置100はマルチコプター140に取り付けて一体化させた構成とすることも可能である。
図2に示す判定方法の主な概要は、まず、ステップ120にて空中を飛行可能なマルチコプター140を利用して地表面を上空から撮影し、各ステップにて原画像に各種画像処理を施した後、ステップ130にて画像中の植物の被度を算出する、というものである。以下、図2のフローチャートが示す各処理について、図3以降の各図面を参照しながら詳しく説明する。
図3は、マルチコプター140が地表面144を撮影する様子を示した図である。図3(a)は、マルチコプター140による撮影の概要を示している。当該判定方法では、まず、カメラ142を搭載したマルチコプター140を植生調査の対象エリアまで飛行させ、かかる対象エリアにおいて地表面144を撮影し、原画像を取得する(図2のステップ120)。このときの原画像の取得は、入出力部106(図1参照)によって行うことができる。
図3(b)は、図3(a)のカメラ142で撮影した原画像の例である。人の目で原画像を見ると、落ち葉の積もった地面にコケ(図3(a)の植物146参照)が生えている様子がうかがえる。当該判定方法では、人の目に頼ることなく、原画像中にどのくらいの面積で植物146が存在しているかを定量的に判定する。
図4は、図3(b)の原画像に画像処理を施した図である。以降の画像処理は、演算部110(図1参照)によって行うことができる。まず、図4(a)は、原画像を4分割した分割画像である。当該判定方法の行う画像処理では、撮影した地表面の画像を所定の割合で分割する(図2のステップ122)。原画像を分割し、分割した各画像それぞれについて後述する被度を算出することで、原画像中の植物の分布具合が判定可能になる。
図4(b)は、図4(a)の分割画像にバンドパスフィルタ処理を施したバンドパスフィルタ処理画像である。本実施形態では、上記分割画像の空間周波数に対して、所定の帯域を減衰させるバンドパスフィルタ処理を実施する(図2のステップ124)。この処理は、図1のフィルタ処理部112によって行うことができる。
空間周波数は、2次元の画像に対して単位長さ当たりの正弦波状の濃淡変化の繰返し回数を表すものである。空間周波数は、濃淡変化の急激な箇所において高くなり、濃淡変化の緩やかな箇所において低くなる。一方、バンドパスフィルタは、所定の帯域のみを通過させるフィルタであり、例えば低域と高域を減衰させることが出来る。分割画像(図4(a)参照)の空間周波数に対してバンドパスフィルタ処理を実施することで、小石などの微細な物体が存在する濃淡変化の急激な箇所や、地形のうねりのような大きな事象が存在する濃淡変化の緩やかな箇所など、画像データから植物以外の部分を減衰することができる。
図5は、図4(b)の画像にさらに画像処理を施した図である。図5(a)は、図4(b)のバンドパスフィルタ処理画像に分散フィルタ処理(図2のステップ126)を施した分散フィルタ処理画像である。一般に、注目画素とその周辺画素との色の濃度の分散値は、対象物の輪郭や複雑な模様などで大きくなる。分散フィルタ処理は、植物組織が作り出した独特の色や模様、形状などに応じた色の変化の大きい画素を抽出することで、植物の存在する可能性の高い部分を抽出する。図5(a)の画像の詳細は、元のカラー画像をRGBそれぞれのチャンネルの計3枚のグレースケール画像に分解し、各画像にそれぞれ分散フィルタ処理を施した後、再び1枚のカラー画像として再構成したものである。これら処理もまた、フィルタ処理部112(図1参照)によって行うことができる。
図5(b)は、図5(a)の分散フィルタ処理画像に二値化処理(図2のステップ128)を施した二値化処理画像である。二値化処理では、色が輝度に変換され、例えばある閾値を基にして輝度の高い領域が黒色または白色のうち一方の色で示され、輝度の低い領域が他方の色で示される。図5(b)では、被度を抽出したい植物146(図3(a)参照)を黒色で示し、それ以外の領域を白色で示している。この処理は、図1の二値化処理部114で行うことができる。
二値化処理画像を生成した後は、被度算出部116(図1参照)によって、画像中における植物の被度を算出する(ステップ130)。被度(記号P)は、例えば植物146(図3(a)参照)を黒色で示した場合、被度P=黒色の画素数/画像の全画素数、として算出することができる。
当該判定装置100および判定方法では、算出した被度を基にして、その植物の画像中における優占度も判定することが可能である(図2のステップ132)。優占度は、その種の調査範囲内で占める割合が優勢か劣勢かを示す度合いである。優占度の判定は、図1の優占度判定部118によって行うことができる。
優占度は、被度Pの度合いに応じた階級付けによって判定することができる。例えば、優占度(記号S)は、1〜5の5段階に判定不能の場合を加えた計6段階の階級で表すことができる。その場合、まず、植物146(図3(a)参照)が画像中の3/4以上の範囲を占めていた場合(被度P≧3/4)を、優占度が最大のS=5として判定する(S=5(P≧3/4))。そして、被度Pが下がるにつれて、S=4(3/4>P≧1/2)、S=3(1/2>P≧1/4)、S=2(1/4>P≧1/10)、S=1(1/10>P≧1/20)、S=+(判定不能)(1/20>P)などとして、被度Pの度合いに応じた判定を行う。これら優占度Sは、被度Pを算出することで、容易に判定可能である。優占度の判定をもって、図2の一連の処理は終了する。
以上のように、本実施形態では、まず、マルチコプター140(図3(a)参照)を利用して取得した地表面144の画像から植物146の被度の算出を行うため、現場に作業員の立ち入る必要が無く、貴重な植生を踏むことなく調査を行うことができる。また、バンドパスフィルタ処理(図2のステップ124)や分散フィルタ処理(ステップ126)を行ったうえで二値化処理(ステップ128)を施して植物146(図3(a)参照)を示す画素を抽出することで、植物146の被度の算出(ステップ130)および優占度の判定(ステップ132)を精度よく行うことが可能である。これらによって、本実施形態であれば、専門家の判断によらずとも、画像から地表面144における植物146の被度を定量的に判定することができる。
以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明は係る例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
本発明は、地表面に生育している植物の面積を判定する植生被度判定方法および植生被度判定装置として利用することができる。
100…判定装置、102…メモリ、106…入出力部、108…制御部、110…演算部、112…フィルタ処理部、114…被度判定部、116…被度算出部、118…優占度判定部、140…マルチコプター、142…カメラ、144…地表面、146…植物、
Claims (4)
- 地表面に生育している植物の被度を判定する植生被度判定方法であって、
空中を飛行可能なマルチコプターに搭載したカメラによって地表面を撮影し、
撮影した前記地表面の画像の空間周波数に対して所定の帯域を減衰させるバンドパスフィルタ処理を実施し、
色の変化の大きい画素を抽出する分散フィルタ処理を実施し、
色を輝度に変換して二値化処理を実施し、
生成した二値化処理画像から画像中における植物の被度を算出することを特徴とする植生被度判定方法。 - 前記撮影した地表面の画像を所定の割合で分割し、
前記分割した画像それぞれについて前記被度を算出することを特徴とする請求項1に記載の植生被度判定方法。 - 当該植生被度判定方法はさらに、前記被度を基にしてその植物の画像中における優占度も判定することを特徴とする請求項1または2に記載の植生被度判定方法。
- 地表面に生育している植物の被度を判定する植生被度判定装置であって、
上空から撮影された前記地表面の画像の空間周波数に対して所定の帯域を減衰させるバンドパスフィルタ処理、および色の変化の大きい画素を抽出する分散フィルタ処理を実施するフィルタ処理部と、
色を輝度に変換して二値化処理を実施する二値化処理部と、
生成した二値化処理画像から画像中における植物の被度を算出する被度算出部と、
を備えることを特徴とする植生被度判定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017163570A JP2019037198A (ja) | 2017-08-28 | 2017-08-28 | 植生被度判定方法および植生被度判定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017163570A JP2019037198A (ja) | 2017-08-28 | 2017-08-28 | 植生被度判定方法および植生被度判定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019037198A true JP2019037198A (ja) | 2019-03-14 |
Family
ID=65725018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017163570A Pending JP2019037198A (ja) | 2017-08-28 | 2017-08-28 | 植生被度判定方法および植生被度判定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019037198A (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399655A (zh) * | 2019-07-08 | 2019-11-01 | 自然资源部海洋减灾中心 | 一种基于机器学习预测植被消波的方法 |
CN111855653A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
CN112016484A (zh) * | 2020-08-31 | 2020-12-01 | 深圳市赛为智能股份有限公司 | 植物侵扰评估方法、装置、计算机设备及存储介质 |
CN113076807A (zh) * | 2021-03-10 | 2021-07-06 | 湖南农业大学 | 一种高可信度测定植被盖度的方法 |
CN114166756A (zh) * | 2021-12-08 | 2022-03-11 | 江西师范大学 | 一种植被叶复被度测量装置及方法 |
CN114543638A (zh) * | 2022-01-12 | 2022-05-27 | 四川恒得复生态科技有限公司 | 一种可以快速测定草本覆盖度的工具 |
JP2022536301A (ja) * | 2019-06-05 | 2022-08-15 | 南京▲農業▼大学 | 雑草の定量的モニタリング方法 |
CN115063437A (zh) * | 2022-06-16 | 2022-09-16 | 广西壮族自治区气象科学研究所 | 一种红树林冠层可见光图像指数特征分析方法及系统 |
-
2017
- 2017-08-28 JP JP2017163570A patent/JP2019037198A/ja active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111855653B (zh) * | 2019-04-25 | 2023-11-28 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
CN111855653A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
JP7393032B2 (ja) | 2019-06-05 | 2023-12-06 | 南京▲農業▼大学 | 雑草の定量的モニタリング方法 |
JP2022536301A (ja) * | 2019-06-05 | 2022-08-15 | 南京▲農業▼大学 | 雑草の定量的モニタリング方法 |
CN110399655A (zh) * | 2019-07-08 | 2019-11-01 | 自然资源部海洋减灾中心 | 一种基于机器学习预测植被消波的方法 |
CN112016484A (zh) * | 2020-08-31 | 2020-12-01 | 深圳市赛为智能股份有限公司 | 植物侵扰评估方法、装置、计算机设备及存储介质 |
CN112016484B (zh) * | 2020-08-31 | 2024-04-05 | 深圳市赛为智能股份有限公司 | 植物侵扰评估方法、装置、计算机设备及存储介质 |
CN113076807A (zh) * | 2021-03-10 | 2021-07-06 | 湖南农业大学 | 一种高可信度测定植被盖度的方法 |
CN113076807B (zh) * | 2021-03-10 | 2023-10-27 | 湖南农业大学 | 一种高可信度测定植被盖度的方法 |
CN114166756B (zh) * | 2021-12-08 | 2023-03-10 | 江西师范大学 | 一种植被茎叶覆盖叠置度测量装置及方法 |
CN114166756A (zh) * | 2021-12-08 | 2022-03-11 | 江西师范大学 | 一种植被叶复被度测量装置及方法 |
CN114543638A (zh) * | 2022-01-12 | 2022-05-27 | 四川恒得复生态科技有限公司 | 一种可以快速测定草本覆盖度的工具 |
CN115063437A (zh) * | 2022-06-16 | 2022-09-16 | 广西壮族自治区气象科学研究所 | 一种红树林冠层可见光图像指数特征分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019037198A (ja) | 植生被度判定方法および植生被度判定装置 | |
KR102623403B1 (ko) | 항공 이미지 획득 및 분석을 위한 방법 | |
JP4858793B2 (ja) | 樹木本数算定方法及び樹木本数算定装置 | |
EP3039648B1 (en) | Generation of high resolution population density data sets through exploitation of high resolution overhead imagery data and low resolution population density data sets | |
JP6544582B2 (ja) | 松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置 | |
Aliero et al. | The usefulness of unmanned airborne vehicle (UAV) imagery for automated palm oil tree counting | |
JP2019144607A (ja) | 衛星画像を用いた樹種推定方法、および、樹種推定された樹木の健全度判定方法 | |
Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
Oldeland et al. | The potential of UAV derived image features for discriminating savannah tree species | |
JP2019040520A (ja) | 植生面積判定方法および植生面積判定装置 | |
Verma et al. | Development of LR-PCA based fusion approach to detect the changes in mango fruit crop by using landsat 8 OLI images | |
Carter | Analysis of multiresolution data fusion techniques | |
KR20180096966A (ko) | 형태적 연산과 연결 연산을 이용한 벼 모종 자동 개수 세는 방법 | |
JP5352435B2 (ja) | 分類画像作成装置 | |
Gong et al. | Vineyard identification in an oak woodland landscape with airborne digital camera imagery | |
CN105809632B (zh) | 从预定农作物的雷达影像去除噪声的方法 | |
JP7028318B2 (ja) | 学習用データセット生成装置、学習用データセット生成方法および学習用データセット生成プログラム | |
Jaya et al. | Spatial analysis of vegetation density classification in determining environmental impacts using uav imagery | |
RU2160912C1 (ru) | Способ обнаружения аномалий подстилающей поверхности | |
JP2019023800A (ja) | 移動体の軌跡表示方法および移動体の軌跡表示装置 | |
Masson et al. | Tests with VHR images for the identification of olive trees and other fruit trees in the European Union | |
JP2015141118A (ja) | 林相解析装置、林相解析方法及びプログラム | |
Campbell et al. | Landsat-based land cover change analysis in Northeastern Oregon’s timber resource dependent communities | |
David et al. | Application of Object-Based Image Analysis and Support Vector Machine in Mapping Mangrove Forest Using LiDAR and Orthophoto: A Case Study in Calatagan, Batangas | |
Racetin et al. | Segmentation of the aerial RGB images of Suspected Hazardous Area for the needs of Non-technical Survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20180413 |