基于无人机图像分析的森林病虫害监测预警方法及其系统技术方案

本发明专利技术公开一种基于无人机图像分析的森林病虫害监测预警方法，包括以下步骤：S1：通过无人机上搭载的摄像机拍摄林区图像；S2：对所述图像采集单元采集到的图像进行前期预处理，以改善图像数据，增强图像特征；S3：通过改进的模糊C-均值算法对林区图像进行图像分割，确定图像中林区的位置；S4：通过基于混合模板的标记分水岭算法对林区图像进行分割，确定图像中虫灾区域的位置；S5：在确定虫灾区域位置的基础上，结合地面调查数据对所述虫灾区域的虫灾程度进行分级。本发明专利技术通过无人机搭载摄像机拍摄指定林区的图片等资料，实现对林区病虫灾害区域的定位及病虫害分级和预警等功能，能满足对林区病虫害情况及时、全面、高效的监测和预警的需求。

【技术实现步骤摘要】

本专利技术设及森林防护及监控
，特别设及一种对森林病虫害区域和程度进 行监测的预警方法及其系统。
技术介绍
森林病虫害对森林健康和林业生产造成巨大的危害，我国每年由于森林病虫害而 造成的直接经济损失和间接生态效益损失惨重，因此科学地监测并有效地控制森林病虫 害对我国林业和生态环境的健康发展至关重要。 传统的森林病虫灾害监测方法主要采取林间或田间定点监测和随机调查等方法， 而该种方法通常耗费大量人力、物力和时间，所得的结果也难W全面掌握灾情，常常错过 最好的防治时间，造成巨大的损失。想要全面、准确、迅速地监测管理森林病虫害必须依靠 先进的空间技术手段。自20世纪30年代开始，各国相继开展了航空、航天遥感监测植物 病虫害可行性试验的研究，至今已取得了许多令人鼓舞的成果，应用遥感技术对森林病虫 害及农作物病虫害进行动态监测已成为近年来研究的热点问题。 然而，现有对于森林病虫害及农作物病虫害的监测技术往往存在着人力、物力成 本消耗量大，监测周期长，分析结构不够精确的弊端，无法满足林区的实际需求。因此，如何 利用先进的数据监控和图像处理技术对林区病虫害情况进行快速准确地监测和预警，成为 本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的在于解决现有林区病虫害监测力度不够、准确率不高的缺陷，提供 一种基于无人机图像分析的森林病虫害监测预警方法及其系统。 本专利技术首先提供了一种基于无人机图像分析的森林病虫害监测预警方法，包括W 下步骤：S1;通过无人机上搭载的摄像机拍摄林区图像；S2 ;对所述图像采集单元采集到的图像进行前期预处理，W改善图像数据，增强图 像特征；S3;通过改进的模糊C-均值算法对林区图像进行图像分割，确定图像中林区的位 置；S4;通过基于混合模板的标记分水岭算法对林区图像进行分割，确定图像中虫灾 区域的位置；S5;在确定虫灾区域位置的基础上，结合地面调查数据对所述虫灾区域的虫灾程 度进行分级。 根据本专利技术提供的森林病虫害监测预警方法，步骤S1中通过无人机航线往返扫 描的方式来拍摄图像，图像间的数据重叠度70%。 根据本专利技术提供的森林病虫害监测预警方法，步骤S3中所述改进的模糊C-均值 算法包括w下步骤：al;聚类初始化对于n个向量xi组成的有限数据集合X= {X。X2,X3…X。}，其中n为自然数，给定 初始聚类中屯、集合V= (v。，Vi…初始迭代次数k= 0,聚类数目为c(Kc<n)，加权指 数m(m〉0)，最大迭代次数T，终止条件阔值e;[001引a2 ;求取X的隶属度矩阵U&>= {u。?}，其中i，j为自然数，叫为隶属度值； 对于任意的自然数i和r，当中严〉〇时，其中dir为欧式距 离测度； 对隶属度值进行拉伸处理，得到拉伸的隶属度函数： 其中X为隶属度值Uik;[002引 a3 ;求取更新的聚类中屯、集合V&+"a4;判断聚类结束条件[002引如果IIV(k)-V(w)II<e或k〉T，则停止，否则令k=k+1，转向步骤a2。根据本专利技术提供的森林病虫害监测预警方法，所述基于混合模板的标记分水岭算 法是在标记分水岭算法的基础上，利用田字模板算子和改进模板算子组成混合模板，通过 求解两者的均值来计算图像中像素点的梯度信息；其中所述田字模板算子为： 所述改进模板算子为： 计算像素点梯度值：[003引上式中P为微分阶数，A为原始图像的像素值矩阵。 根据本专利技术提供的森林病虫害监测预警方法，步骤S4包括： 基于混合模板计算各像素点的梯度值并排序；进行图像泛滥，标记像素点，得到初始分类结果； 颜色空间转换至LUV，更新像素点标记，得到二次分类图像并合并区域颜色均值； 将标记信息不变的像素点标记为分水岭，作为图像分割边界。 另外，本专利技术还提供了一种基于无人机图像分析的森林病虫害监测预警系统，包 括： 图像采集单元，用于通过无人机上搭载的摄像机拍摄林区图像； 图像预处理单元，用于对所述图像采集单元采集到的图像进行前期预处理，W改 善图像数据，增强图像特征； 林区定位单元，通过改进的模糊C-均值算法对林区图像进行图像分割，确定图像 中林区的位置； 虫灾定位单元，通过基于混合模板的标记分水岭算法对林区图像进行分割，确定 图像中虫灾区域的位置； 虫灾分级单元，在确定虫灾区域位置的基础上，结合地面调查数据对所述虫灾区 域的虫灾程度进行分级。 根据本专利技术提供的森林病虫害监测预警系统，所述改进的模糊C-均值算法包括 W下步骤：[004引 al;聚类初始化[004引对于n个向量xi组成的有限数据集合X= {X。X2,X3…X。}，其中n为自然数，给定 初始聚类中屯、集合V= (v。，Vi…初始迭代次数k= 0,聚类数目为c(Kc<n)，加权指 数m(m〉0)，最大迭代次数T，终止条件阔值e;a2 ;求取X的隶属度矩阵U&>= {u。?}，其中i，j为自然数，叫为隶属度值[004引对于任意的自然数i和r，当中严〉0时，其中dir为欧式距 离测度； 对隶属度值进行拉伸处理，得到拉伸的隶属度函数： 其中X为隶属度值Uik;[005引a3;求取更新的聚类中屯、集合V&+"[005引a4;判断聚类结束条件[005引如果IIV(k)-V(w)II<e或k〉T，则停止，否则令k = k+1，转向步骤a2。 根据本专利技术提供的森林病虫害监测预警系统，所述基于混合模板的标记分水岭算 法是在标记分水岭算法的基础上，利用田字模板算子和改进模板算子组成混合模板，通过 求解两者的均值来计算图像中像素点的梯度信息；其中 所述田字模板算子为： 上式中P为微分阶数，A为原始图像的像素值矩阵。 根据本专利技术提供的森林病虫害监测预警系统，所述基于混合模板的标记分水岭算 法包括如下步骤： 基于混合模板计算各像素点的梯度值并排序； 进行图像泛滥，标记像素点，得到初始分类结果； 颜色空间转换至LUV，更新像素点标记，得到二次分类图像并合并区域颜色均值； 将标记信息不变的像素点标记为分水岭，作为图像分割边界。 根据本专利技术提供的森林病虫害监测预警系统，其特征在于，所述虫灾分级单元还 包括： 虫灾等级数据库，记录通过人工调查方式得到的各个区域的虫灾等级数据； 预警单元，用于当虫灾等级超过阔值时发出报警信息。 与现有技术相比，本专利技术的有益效果在于： 1、通过无人机航拍采集林区图像，能够快速获取多空间尺度、多相向的地面观测 数据，所采集的影像具有高清晰、大比当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于无人机图像分析的森林病虫害监测预警方法，其特征在于，包括以下步骤：S1：通过无人机上搭载的摄像机拍摄林区图像；S2：对所述图像采集单元采集到的图像进行前期预处理，以改善图像数据，增强图像特征；S3：通过改进的模糊C‑均值算法对林区图像进行图像分割，确定图像中林区的位置；S4：通过基于混合模板的标记分水岭算法对林区图像进行分割，确定图像中虫灾区域的位置；S5：在确定虫灾区域位置的基础上，结合地面调查数据对所述虫灾区域的虫灾程度进行分级。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘文萍，骆有庆，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京;11