JP4178533B2 - 樹冠円抽出システム - Google Patents

Description

本発明は、森林等の人の入り込みにくい地域の樹木調査をするために、森林を上空から撮影した画像を用いて樹木を円で近似した樹冠円を抽出する自動化した樹冠円抽出システムに関する。

従来、森林撮影画像から樹冠形状を抽出し、該森林地域内の立木本数を取得し、抽出した樹冠形状の範囲内の森林撮影画像に含まれる色情報により、色統計情報を参照して当該樹冠の樹種を取得し、樹高情報と森林撮影画像を位置合せして重ね合せ、樹冠形状範囲内の樹高情報のうち最大値を抽出して当該樹冠の樹高を取得し、取得した立木本数と樹高とにより、当該樹種に応じて樹木毎の材積を計算する森林情報処理システムがある（特許文献１）。

また、図８のように空撮画像を近似色領域、すなわち構成画素の輝度値が一定の範囲となる領域の大きさを数値化し、樹冠の大きさを求める手法がある。

図９は従来の樹冠解析のフローチャートである。まず、航空機、人工衛星等の上空から空撮画像を撮影する（Ｓ１００）。次に、該画像をメジアンフィルタにより平滑化する（Ｓ１０１Ａ１）。メジアンフィルタを使用することにより誤判定の原因となる樹冠内の枝葉による小さな影を取り除くことができる。この際、メジアンフィルタはＲＧＢの各成分に個別に適用する。また、並列して、局所フラクタル次元を計算し（Ｓ１０１Ｂ１）、局所フラクタル次元試算結果画像を生成する（Ｓ１０１Ｂ２）。樹冠を構成する枝や葉の構造にはフラクタル的特徴があり、枝や葉の繁茂状態によりフラクタル特徴量であるフラクタル次元は異なる。例えば、樹冠外領域である濃い影の部分に比べ、樹冠内の方が大きな値になる。そこで局所フラクタル次元に応じて近似色円算出時の許容値を変化させ、枝葉の影の影響に対応する。

次に、局所フラクタル次元分布を導入した近似色判定を行い、樹冠の大きさの算出を行う（Ｓ１０２）。近似色円とは構成する画素の輝度値の分布が一定範囲内に収まっている円領域をいう。画像中の全ての画素を順に注目画素として、近似色円半径の算出を繰り返し行い、それぞれの画素における樹冠の大きさとする。算出した近似色円分布では同一樹冠内に複数の円が重複して存在しているので、重複円の除去処理を行う（Ｓ１０３）。除去処理は、近似色円分布中の最大円を探索し、最大円内に中心がある小さな円を除去し、この作業を繰り返し行う。これにより、近似色円の画像を抽出する（Ｓ１０４）（非特許文献１）。
特開２００３−３４４０４８号公報 小村良太郎、久保守、村本健一郎，「空撮画像を用いた局所フラクタル次元による樹冠解析」，写真測量とリモートセンシング，ＶＯＬ．４２，ＮＯ．４，ｐｐ２７−ｐｐ３７，Ｓｅｐ．２００３

しかしながら、上記従来技術では空撮画像をそのまま画像処理しているので、撮影時の投影歪が残り、正確な樹冠形状を得ることができない。また、１枚の画像のみから樹冠を抽出しているので、撮影時間の時間帯によって樹冠内の枝葉による細かな影が濃く写し出され、その影によって本来一つである樹冠が複数に分断されて抽出される恐れがある。また、樹木は季節によって葉の色や樹冠の大きさが変化するので、季節によりデータが変動することが考えられる。

本発明は上記課題を解決し、撮影時の投影歪を補正し、正確な樹冠形状を得ることができ、精度が向上し、安定した樹冠円抽出ができ、また、複数時期の画像を用いた画像処理により季節による森林の色変化を樹木の判別に利用できる樹冠円抽出システムを提供することを目的とする。

本発明は上記課題を解決するものであって、上空から撮影した画像を用いて各樹木を円で近似して取り出す樹冠円抽出システムにおいて、調査を行う地域を上空から撮影した複数の画像の投影歪をそれぞれ補正した複数の画像を生成するオルソフォト画像生成手段と、前記オルソフォト画像生成手段で生成された複数のオルソフォト画像の全ての画素に対して樹冠円の半径を推定する樹冠円半径推定手段と、前記樹冠円半径推定手段が推定した各画素について得られた前記複数のオルソフォト画像枚数分の半径の推定値を値の大きい順に並べて真ん中にある中央値をその画素の半径とする中央値選択手段と、前記中央値選択手段が選択した半径を用いて、半径の大きい樹冠円から順に抽出し、抽出した樹冠円と重複する半径の小さい樹冠円を除去する重複樹冠円除去手段とを備えたことを特徴とする。

また、前記上空から撮影した複数の画像は、異なる季節に撮影された画像であることを特徴とする。

また、前記上空から撮影した複数の画像は、カラー画像であることを特徴とする。

本発明によれば、上空から撮影した画像を用いて各樹木を円で近似して取り出す樹冠円抽出システムにおいて、調査を行う地域を上空から撮影した複数の画像の投影歪をそれぞれ補正した複数の画像を生成するオルソフォト画像生成手段と、前記オルソフォト画像生成手段で生成された複数のオルソフォト画像の全ての画素に対して樹冠円の半径を推定する樹冠円半径推定手段と、前記樹冠円半径推定手段が推定した各画素について得られた前記複数のオルソフォト画像枚数分の半径の推定値を値の大きい順に並べて真ん中にある中央値をその画素の半径とする中央値選択手段と、前記中央値選択手段が選択した半径を用いて、半径の大きい樹冠円から順に抽出し、抽出した樹冠円と重複する半径の小さい樹冠円を除去する重複樹冠円除去手段とを備えたので、撮影時の投影歪を補正し、正確な樹冠形状を得ることができ、精度が向上し、安定した樹冠円抽出ができる。

また、前記上空から撮影した複数の画像は異なる季節に撮影された画像であるので、季節による森林の変化を樹木の判別に利用できる。

また、前記上空から撮影した複数の画像はカラー画像であるので、森林の色の変化を樹木の判別に利用できる。

以下、本発明の実施の形態を説明する。図１は本実施形態のブロック図、図２は本実施形態の樹冠円抽出のためのフローチャートを示す。まず、調査を行う森林等の地域を航空機や人工衛星等に搭載したカメラ等の観測機器で長期間にわたって複数回上空から撮影し、複数の空撮画像を得る（Ｓ０）。この空撮画像は季節をかえて撮影するとよい。また、白黒でもカラーでもどちらでもよい。

これによって得られた空撮画像は中心投影による歪が含まれるので、ステップ１で多重オルソフォト画像生成手段１により中心投影を正射投影に補正し、更に位置合わせを行った多重オルソフォト画像を生成する（Ｓ１）。図３は同一の森林域を異なる時期に撮影した写真から得られた多重オルソフォト画像図３（ａ）〜図３（ｇ）である。画像サイズは１００×１００画素、空間解像度は１［ｍ／ｐｉｘｅｌ］、輝度分解能はＲＧＢそれぞれ８ビットである。

次に樹冠円推定半径算出手段２により、全てのオルソフォト画像の全ての画素に対して、樹冠円の推定半径を得る。

まず、ステップ２Ａ１で全てのオルソフォト画像をメジアンフィルタにより平滑化する（Ｓ２Ａ１）。また、並列して、ステップ２Ｂ１で局所フラクタル次元を計算し（Ｓ２Ｂ１）、ステップ２Ｂ２で局所フラクタル次元試算結果画像を生成する（Ｓ２Ｂ２）。これらのステップについては非特許文献１に詳細が記載されている。

次に、メジアンフィルタを適用した画像に対して、局所フラクタル次元分布を導入した近似色判定を行い、樹冠の半径の算出を行う。近似色円とは構成する画素の輝度値の分布が一定範囲内に収まっている円領域をいう。

まず、ステップ３で、画像中の全ての画素を順に注目画素として、近似色円半径の算出を繰り返し行い、それぞれの画素における樹冠の推定半径とする。本実施形態では、図３に示した７枚の多重オルソフォト画像である図３（ａ）〜図３（ｇ）の各画素に対する樹冠円の推定半径を算出する。

図４は樹冠円推定半径算出のフローチャートである。ステップ３１ですべてのオルソフォト画像のすべての画素に対する半径の初期値をｒ＝１とおく（Ｓ３１）。ステップ３２で下記数１かつ数２の条件を満たすかどうか判断する（Ｓ３２）。
（数１）

ｆ_jmax−ｆ_j≦Ｔ₀（１＋ｄ_j） （１）
かつ
（数２）

ｆ_j−ｆ_jmin≦ｔ₀（１＋ｄ_j） （２）
ここで、ｆ_jはオルソフォト画像の輝度値、Ｔ₀及びｔ₀は予め設定する正定数、ｄ_jは正規化局所フラクタル次元である。なお、正規化局所フラクタル次元を算出する方法は非特許文献１に詳しく記載されている。

ステップ３２で、条件を満たしている場合、ステップ３３へ進み、満たさない場合はステップ３４へ進む。ステップ３３では、ｒ＝ｒ＋１と更新してステップ３２へ戻る（Ｓ３３）。ステップ３４では、ｒ＝ｒ−１として終了する（Ｓ３４）。この作業をすべての画像のすべての画素に対して実行する。

続いて、ステップ４で、中央値選択手段３により各画素について得られた画像枚数分の半径の推定値を値の大きい順に並べて、真ん中にある中央値をその画素の半径推定値とする（Ｓ４）。これにより、大きすぎたり小さすぎたりする半径を除外でき、樹冠円半径の推定精度が向上する。

次に、ステップ５で、算出した近似色円分布では同一樹冠内に複数の円が重複して存在しているので、重複樹冠円除去手段４により、重複円の除去処理を行う（Ｓ５）。除去処理は、近似色円分布中の最大円を探索し、最大円内に中心がある小さな円を除去し、この作業を繰り返し行う。これにより、樹冠円を抽出する（Ｓ６）。図５は本実施形態による樹冠円の抽出結果を示す。

なお、本実施形態では局所フラクタル次元を適用する方法を示したが、局所フラクタル次元を適用するステップ２Ｂ１（Ｓ２Ｂ１）及びステップ２Ｂ２（Ｓ２Ｂ２）は省略してもよい。その際ステップ３２（Ｓ３２）の数１及び数２のｄ_jは省略される。

次に、実施した結果の有効性を確認する。図６は、図２の画像から目視により樹冠円の中心を抽出した画像である。ここでは、図６で示した目視による樹冠円の抽出結果を正解として、それとの誤差により非特許文献１で示した従来技術と本発明との結果を比較する。

図７は非特許文献１で示した従来技術と本発明との比較結果である。横軸の日付は、図３に示した７枚の画像、図３（ａ）〜図３（ｇ）の撮影日であり、図３（ａ）がＡｐｒ．８、図３（ｂ）がＡｐｒ．２７、図３（ｃ）がＭａｙ．１２、図３（ｄ）がＪｕｎ．１４、図３（ｅ）がＮｏｖ．５、図３（ｆ）がＮｏｖ．２２、図３（ｇ）がＤｅｃ．８にそれぞれ対応し、横軸の右端（ｐｒｅｓｅｎｔ ｍｅｔｈｏｄ）は本発明を表す。縦軸は樹冠円の抽出誤差である。

抽出誤差は、目視抽出した樹冠中心画素の集合と、自動抽出した樹冠円の中心画素の集合との間で、一方の集合の各樹冠円中心に最も近い樹冠円中心を他方の集合から選び、その距離を全ての樹冠円で平均したものである。

非特許文献１で示した従来技術による抽出結果では、１枚の画像により樹冠円抽出を実行しているため、撮影した時期によってばらつきがあり、多くの誤差がでている。例えば、Ｎｏｖ．５に対応する画像である図３（ｅ）ではエラーが多く存在する。

それに対して本発明では、７枚の画像全てを使用して樹冠円抽出を実行しているため、誤差が小さく図６に示した目視による抽出結果に近い樹冠円抽出が行える。

本発明のブロック図 本発明の１実施形態フローチャートを示す図 本発明の１実施形態の多重オルソフォト画像を示す図 本発明の１実施形態の樹冠円半径推定フローチャートを示す図 本発明の１実施形態の樹冠円抽出結果を示す図 目視による樹冠円の抽出結果を示す図 本発明と従来の樹冠円抽出誤差を示す図 従来の樹冠円抽出の概要図 従来の樹冠円抽出のフローチャートを示す図

符号の説明

１・・・多重オルソフォト画像生成手段、２・・・樹冠円推定半径算出手段、３・・・中央値選択手段、４・・・重複樹冠円除去手段

Claims (3)

1. 上空から撮影した画像を用いて各樹木を円で近似して取り出す自動化した樹冠円抽出システムにおいて、調査を行う地域を上空から撮影した複数の画像の投影歪をそれぞれ補正した複数のオルソフォト画像を生成する多重オルソフォト画像生成手段と、前記オルソフォト画像生成手段で生成された複数のオルソフォト画像の各画素に対応する樹冠円の推定半径を算出する樹冠円推定半径算出手段と、前記樹冠円推定半径算出手段が算出した各画素に対応して得られた前記複数のオルソフォト画像枚数分の推定半径を、値の大きい順に並べて、真ん中にある中央値をその画素の半径とする中央値選択手段と、前記中央値選択手段が選択した半径を用いて、半径の大きい樹冠円から順に抽出し、抽出した樹冠円と重複する半径の小さい樹冠円を除去する重複樹冠円除去手段とを備えたことを特徴とする樹冠円抽出システム。
2. 前記上空から撮影した複数の画像は、異なる季節に撮影された画像であることを特徴とする請求項１に記載の樹冠円抽出システム。
3. 前記上空から撮影した複数の画像は、カラー画像であることを特徴とする請求項１又は２のいずれかに記載の樹冠円抽出システム。