JP2019040520A - 植生面積判定方法および植生面積判定装置 - Google Patents
植生面積判定方法および植生面積判定装置 Download PDFInfo
- Publication number
- JP2019040520A JP2019040520A JP2017163569A JP2017163569A JP2019040520A JP 2019040520 A JP2019040520 A JP 2019040520A JP 2017163569 A JP2017163569 A JP 2017163569A JP 2017163569 A JP2017163569 A JP 2017163569A JP 2019040520 A JP2019040520 A JP 2019040520A
- Authority
- JP
- Japan
- Prior art keywords
- image
- area determination
- vegetation
- ground surface
- fractal dimension
- 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
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面積判定方法および植生面積判定装置を提供する。【解決手段】地表面144に生育している植物146の面積を判定する植生面積判定方法であって、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(ステップ120)、撮影した地表面144の画像からフラクタル次元を算出し(ステップ132)、フラクタル次元の量から画像中における植物146が占める面積を判定する(ステップ134)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面積を判定する植生面積判定方法および植生面積判定装置に関する。
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面積判定方法および植生面積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面積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面積を判定する植生面積判定方法であって、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からフラクタル次元を算出し、フラクタル次元の量から画像中における植物が占める面積を判定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、フラクタル次元を算出することで植物の面積を判定している。フラクタルとは、例えば雪の結晶に観られるような、図形の全体と拡大した部分とが自己相似になっている幾何学的な構造や現象の総称である。そして、フラクタル次元とは、フラクタルがどれだけ空間を満たしているかを示す統計的な量のことである。一般に、植物は、上空から観察すると、根本や幹の先端を中心にして四方八方に枝や葉が茂ったフラクタルを描いている。上記構成では、このような植物の性質を利用し、画像中のフラクタル次元を算出することで、実地調査によらずとも、画像から地表面における植物の面積を定量的に判定することが可能になっている。
当該植生面積判定方法では、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、二値化された画像領域からその中心線となる画素を抽出するスケルトン処理を実施し、中心線を基にしてフラクタル次元を算出するとよい。
上記構成によれば、まず、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。画像データに二値化処理を施した後は、植物を示す画素から中心線を抽出することで、植物に応じたフラクタル性を現わすことができ、フラクタル次元の算出が可能になる。
当該植生面積判定方法では、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フラクタル次元を算出するとよい。この構成によって、原画像中の植物がより多く生えている範囲が特定可能になる。
前記課題を解決するために、本発明にかかる植生面積判定装置の代表的な構成は、地表面に育成している植物の面積を判定する植生面積判定装置であって、上空から撮影された地表面の画像からフラクタル次元を算出するフラクタル算出部と、算出されたフラクタル次元の量から画像中における植物が占める面積を判定する面積判定部と、を備えることを特徴とする。
上述した植生面積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、当該植生面積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面積判定方法および植生面積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面積判定装置(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面積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面積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134にて画像中のフラクタル次元を基に画像中における植物が占める面積を判定する、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、砂地に背丈の低い植物(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フラクタル次元を算出することで、原画像中の植物がより多く生えている範囲の特定が可能になる。例えば、画像2に植物が多く生えていることが分かれば、図3(b)の原画像においては右上の範囲を植物が多い範囲として特定することができる。
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)。
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。分散フィルタ処理では、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。
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、ある閾値を基にして輝度が高い領域は白色で示され、輝度が低い領域は黒色で示される。
図6は、図5(b)の画像にさらに画像処理と解析処理とを施した図である。図6(a)は、図5(b)の分散フィルタ処理画像にスケルトン処理(図2のステップ130)を施したスケルトン処理画像である。スケルトン処理は、対象物を示す画像領域からその中心線となる画素を抽出する処理であり、例えば画像領域から周囲との距離値が極大となる画素を抽出することで行われる。これによって、植物を示す画素領域から中心線が抽出される。これによって、各画像には、線図が表れ、中には植物に応じたフラクタル性も現われる。
フラクタルとは全体と部分とが自己相似になっている幾何学的な構造や現象の総称であり、一般に、植物を上空から観察すると根本や幹を中心にして枝や葉が広がったフラクタルを描いている。フラクタルがどれだけ空間を満たしているかを示す統計的な量は、フラクタル次元と呼ばれる。したがって、画像中から抽出された線図のフラクタル次元を算出することで、画像中に植物が占める面積を判定することができる。
フラクタル次元の算出(図2のステップ132)は、図1の演算部110が備えるフラクタル算出部112によって行うことができる。フラクタル算出部112は、例えばボックスカウンティング法(Box counting method,以下BC法と称する)を利用してフラクタル次元を算出する。BC法は、フラクタル次元を算出するための簡便かつ汎用性の高い方法として知られている。
図6(b)は、図6(a)のスケルトン処理画像にボックスカウンティング法による画像解析を施した両対数グラフである。BC法では、解析対象の図形をある大きさの正方形のセルで分割し、セルの大きさと図形を含むセルの数とを両対数グラフにプロットする。例えば、図6(b)の各グラフは、横軸がスケルトン処理画像(図6(a)参照)を分割するセルの大きさで、縦軸が複数のセルのうち線図が含まれたセルの数である。一般に、解析対象の図形がフラクタル性をもつとき、BC法によってプロットしたデータは右下がりの直線に並び、この直線の傾きの絶対値がフラクタル次元となる。
図6(c)は、図6(b)の両対数グラフからフラクタル次元を算出した図である。列は、両対数グラフの横軸に対応している。右端のD列がフラクタル次元の算出結果である。算出結果から、画像1〜4のうち、画像2がフラクタル次元の量が多く、もっとも植物が繁茂していることが分かる。この結果を基に、図1の面積判定部114は、画像2がもっとも植物が占める面積が大きいと判定し(図2のステップ134)、一連の処理は終了する。
以上のように、本実施形態では、植物がフラクタル構造を描く性質を利用し、画像中のフラクタル次元を算出することで、専門家の判断によらずとも、画像から地表面における植物の面積を定量的に判定することが可能になっている。また、マルチコプター140(図3(a)等参照)を利用可能であることで、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することが可能になっている。
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面積判定方法および植生面積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…フラクタル算出部、114…面積判定部、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面積を判定する植生面積判定方法であって、
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からフラクタル次元を算出し、
前記フラクタル次元の量から前記画像中における植物が占める面積を判定する植生面積判定方法。 - 前記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、
二値化された画像領域からその中心線となる画素を抽出するスケルトン処理を実施し、
前記中心線を基にして前記フラクタル次元を算出することを特徴とする請求項1に記載の植生面積判定方法。 - 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フラクタル次元を算出することを特徴とする請求項1または2に記載の植生面積判定方法。 - 地表面に育成している植物の面積を判定する植生面積判定装置であって、
上空から撮影された前記地表面の画像からフラクタル次元を算出するフラクタル算出部と、
算出されたフラクタル次元の量から前記画像中における植物が占める面積を判定する面積判定部と、
を備えることを特徴とする植生面積判定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017163569A JP2019040520A (ja) | 2017-08-28 | 2017-08-28 | 植生面積判定方法および植生面積判定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017163569A JP2019040520A (ja) | 2017-08-28 | 2017-08-28 | 植生面積判定方法および植生面積判定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019040520A true JP2019040520A (ja) | 2019-03-14 |
Family
ID=65726078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017163569A Pending JP2019040520A (ja) | 2017-08-28 | 2017-08-28 | 植生面積判定方法および植生面積判定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019040520A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325760A (zh) * | 2020-01-26 | 2020-06-23 | 四川大学 | 仿真植被阻水面积的确定方法 |
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 |
CN113932779A (zh) * | 2021-11-11 | 2022-01-14 | 中煤浙江测绘地理信息有限公司 | 基于无人机倾斜摄影的土石方计算方法、系统及存储介质 |
-
2017
- 2017-08-28 JP JP2017163569A patent/JP2019040520A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111325760A (zh) * | 2020-01-26 | 2020-06-23 | 四川大学 | 仿真植被阻水面积的确定方法 |
CN113932779A (zh) * | 2021-11-11 | 2022-01-14 | 中煤浙江测绘地理信息有限公司 | 基于无人机倾斜摄影的土石方计算方法、系统及存储介质 |
CN113932779B (zh) * | 2021-11-11 | 2024-05-14 | 中煤浙江测绘地理信息有限公司 | 基于无人机倾斜摄影的土石方计算方法、系统及存储介质 |
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 | |
JP6921095B2 (ja) | 航空画像を収集及び分析するための方法 | |
JP4858793B2 (ja) | 樹木本数算定方法及び樹木本数算定装置 | |
JP2019040520A (ja) | 植生面積判定方法および植生面積判定装置 | |
CN114612896B (zh) | 基于遥感图像的水稻产量预测方法、装置以及设备 | |
Xue et al. | Assessment of canopy vigor information from kiwifruit plants based on a digital surface model from unmanned aerial vehicle imagery | |
Aliero et al. | The usefulness of unmanned airborne vehicle (UAV) imagery for automated palm oil tree counting | |
Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
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 | |
Bałazy et al. | Forest dieback processes in the Central European Mountains in the context of terrain topography and selected stand attributes | |
Liu et al. | UAV-based crops classification with joint features from orthoimage and DSM data | |
Lyu et al. | Development of phenotyping system using low altitude UAV imagery and deep learning | |
KR20180096966A (ko) | 형태적 연산과 연결 연산을 이용한 벼 모종 자동 개수 세는 방법 | |
EP2997543B1 (de) | Vorrichtung und verfahren zum parametrisieren einer pflanze | |
Gong et al. | Vineyard identification in an oak woodland landscape with airborne digital camera imagery | |
JP5352435B2 (ja) | 分類画像作成装置 | |
Thompson et al. | Model-based algorithms for phenotyping from 3D imaging of dense wheat crops | |
Wilkinson et al. | Change detection techniques for use in a statewide forest inventory program | |
DiGiacomo et al. | Considerations and tradeoffs of UAS-based coastal wetland monitoring in the Southeastern United States | |
Jaya et al. | Spatial analysis of vegetation density classification in determining environmental impacts using uav imagery | |
JP6524842B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
RU2160912C1 (ru) | Способ обнаружения аномалий подстилающей поверхности | |
Jusoff | Sustainable management of a matured oil palm plantation in UPM campus, Malaysia using airborne remote sensing | |
Rojo et al. | Estimating photosynthetically active radiation intercepted by almond and walnut trees using uav-captured aerial images and solar zenith angle | |
Masson et al. | Tests with VHR images for the identification of olive trees and other fruit trees in the European Union |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20180413 |