一种檀香树干虫害损伤程度等级图像判别方法技术

一种檀香树干虫害损伤程度等级图像判别方法,属于森林经理和森林经营领域，含有步骤:檀香树干虫害损伤程度预估模型的建立；檀香树干虫害损伤程度预测目的的自变量提取；檀香树干虫害损伤程度等级的判断。根据本发明专利技术，经营者可以通过获取的檀香图像来估算檀香树干的受虫害程度，科学的针对每一棵檀香树进行防止，进而保证檀香的存活率和生长质量。此方法从图像分析角度实现了檀香树干虫害程度的估测，速度快，精度高，及其使用于当前的檀香珍贵树种的栽培。

【技术实现步骤摘要】
一种檀香树干虫害损伤程度等级图像判别方法
本专利技术涉及一种檀香树干虫害损伤程度等级图像判别方法,属于森林经理和森林经营领域。
技术介绍
檀香是稀有的珍贵树种之一，具有非常好的药用、心理、生理、美容等功效，近年来华南等地得到了大量栽植。但檀香树是一种半寄生植物，必须有其它寄主植物才能健康生长，而且在气温或者环境不宜等情况下，檀香易受到危害根部的苗立枯病、根腐病以及危害叶片的叶灰斑病、白粉病、桑寄生粉蝶、金龟子和危害茎干的咖啡豹蠹蛾等的危害，因此，实时监测檀香健康状态并及时采取相应措施是关系到檀香经营成败的重要手段。近些年来，物联网技术的发展为林业监测提供了新的方法，在檀香生长林内布设有多台FiledServer，每台设备上的相机在水平方向可以进行360°旋转，垂直方向可以进行270°旋转。仪器设置为每10s获取一组图像数据。这样的方式使得经营者可以获取大量的数据，但是计算机无法做到对檀香做虫害等级预估。所以充分利用这些大量的图像数据成为研究的重点。由于檀香树干受到虫害的侵蚀，通常会造成冲孔或树皮脱落等情况，使得受虫害破坏的树干纹理与正常纹理之间有很大的差别。如何利用获取的图像进行图像分割以及如何建立受虫害损伤程度与所提取参数之间的函数关系成为两大难点。图像分割是指将目标从背景中提取出来，是进行图像理解和视觉技术的基础，经过几十年的发展，图像分割技术有成千上万种算法，但总体可以归为四类：阈值分割算法、空间聚类分割算法、基于区域的分割算法和基于活动轮廓模型的分割算法。阈值分割算法中最简单的是单阈值分割，是指在图像的灰度范围内选择一个灰度阈值，将图像中每个像素的灰度值与该阈值做比较，大于该阈值的归为一类，小于该阈值的归为另一类，等于该阈值的像素可以归为任意一类，但是要统一。常见的阈值分割算法有大津法、迭代式阈值法、全局阈值法等。空间聚类分割算法是把图像分割的过程看做是在由原始图像的灰度、纹理以及其他统计参数共同构成的多维特征空间中进行聚类分析。通过对不同特征变量的选择，被识别的对象点就会在特征空间中聚集成团。聚类分析的一般过程为用适当的相似性准则对图像像素分类，用类间距离等测度对所分的子类检测，看彼此是否能明显分开，如果不能，就要对某些子类进行合并。反复对生成的结果再分类、检测和合并，直到没有新的子类生成或满足某一条件为止。聚类的方法很多，最常见的是K-均值聚类和ISODATA聚类。基于区域的分割算法是利用图像的若干性质，比如颜色、纹理、空间位置关系等，分割出来的属于同一区域的像素应具有相似的性质。它在复杂对象的分割方面往往能显示较好的性能。传统的基于区域的分割法有区域生长法和区域分裂合并法。基于活动轮廓模型分割算法的初始模型是在图像上给出的一条对应对象边界大概位置的闭曲线(二维)或闭曲面(三维)，然后曲线在由轮廓自身特征决定的内部能量(内部力)和图像特征决定的外部能量(外部力)共同作用下移动，当能量最小时最终停止于所要寻找的物体边缘附近。形变模型正是融合了外部轮廓线的知识和内部图像自身的特征，使得它成为计算机视觉领域的研究热点。常用的模型有参数活动轮廓模型和几何活动轮廓模型。尽管图像分割有上千种算法，但是由于图像的千差万别，没有一种通用的算法，尤其林业图像相对复杂，不仅具有复杂的生物属性，也包含了多变的自然属性。同时，大部分图像分类算法使用于分布比较均匀的基准纹理或者比较宏观的遥感影像，用于林木病虫害图像方面研究则比较少，加之檀香是半寄生树种，寄主植物会对前景分割造成巨大的影响，更增加了分割的难度。而且很少有从图像的角度建立模型估计檀香受虫害破坏程度，所以急需一种成本低、易操作、精度高的方法从图像的角度对檀香树虫害等级进行判别。
技术实现思路
为了克服现有技术的不足,本专利技术提供一种檀香树干虫害损伤程度等级图像判别方法。一种檀香树干虫害损伤程度等级图像判别方法，含有以下步骤；檀香树干虫害损伤程度预估模型的建立；檀香树干虫害损伤程度预测目的的自变量提取；檀香树干虫害损伤程度等级的判断。本专利技术的优点是经营者可以通过获取的檀香图像来估算檀香树干的受虫害程度，科学的针对每一棵檀香树进行防止，进而保证檀香的存活率和生长质量。此方法从图像分析角度实现了檀香树干虫害程度的估测，速度快，精度高，及其使用于当前的檀香珍贵树种的栽培。附图说明当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本专利技术以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定，如图其中：图1为本专利技术的流程图。下面结合附图和实施例对本专利技术进一步说明。具体实施方式显然，本领域技术人员基于本专利技术的宗旨所做的许多修改和变化属于本专利技术的保护范围。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。实施例1：如图1所示，本专利技术的实施例提供了一种檀香树干虫害损伤程度等级图像判别方法，可以科学的针对每一棵檀香树进行的防止，进而保证檀香的存活率和生长质量。一种檀香树干虫害损伤程度等级图像判别方法，包括：建立檀香树干受虫害损伤程度预估模型；对檀香树干图像随机进行图像取样xi(i＝1,2,…,n)，大小为64×64像素；代入模型计算受虫害损伤程度估计值(i＝1,2,…,n)；计算整棵树的估计受虫害损伤程度(i＝1,2,…,n)。所述建立檀香树干受虫害损伤程度预估模型具体包括：使用PhotoshopCS5手动截取檀香树干部分的图像80张，其中40张作为训练样本，40张作为测试样本，每张图像大小为64×64像素；使用PhotoshopCS5手动将正常虫害部分区分开，计算虫害统计虫害和正常的像素个数，计算虫害像素占总像素的比例。对原图像RGB像素统计，计算R分量占RGB的比例，即计算R/R+G+B。确定所用纹理特征，计算训练样本的灰度共生矩阵值；对所有训练样本纹理特征的灰度共生矩阵值做主成分分析，确定所取主成分的数量；建立一元非线性回归方程，找出所取主成分与受虫害损伤程度之间的函数关系；使用测试样本检验模型的精度。所述确定所用纹理特征，计算灰度共生矩阵值具体包括：灰度共生矩阵可以提取出14种纹理特征，分别为纹理二阶距、纹理熵、纹理对比度、纹理均匀性、纹理相关、逆差分距、最大概率、纹理方差、共生和均值、共生和方差、共生和熵、共生差均值、共生差方差、共生差熵。对这些纹理特征进行了测试，最终选出较好的能量值、熵值、对比度、相关性四种纹理特征作为进一步研究的参数；在利用灰度共生矩阵计算特征值时，使用MATLABR2012a工具首先将彩色图像转换为灰度图像，然后进行灰度级稀疏化和纹理参数计算。由于图像灰度共生矩阵的计算量是由图像的灰度级以及图像的大小决定的，而试验选取的训练样本均为64×64像素大小，所以在不影响纹理特征的前提下需要将灰度级进行压缩，通常将256级压缩为8级或16级，在本研究中压缩到16级。对图像作为预处理后，进行灰度共生矩阵特征值的计算。选本文档来自技高网...

【技术保护点】
一种檀香树干虫害损伤程度等级图像判别方法，其特征在于含有以下步骤：檀香树干虫害损伤程度预估模型的建立；檀香树干虫害损伤程度预测目的的自变量提取；檀香树干虫害损伤程度等级的判断。

【技术特征摘要】
1.一种檀香树干虫害损伤程度等级图像判别方法，其特征在于含有以下步骤：檀香树干虫害损伤程度预估模型的建立；檀香树干虫害损伤程度预测目的的自变量提取；檀香树干虫害损伤程度等级的判断。2.根据权利要求1所述的一种檀香树干虫害损伤程度等级图像判别方法，其特征在于檀香树干虫害损伤程度预估模型建立包括：训练样本和测试样本的选择；特征提取与特征变换；确定自变量和因变量的个数和类型；根据选择的自变量和因变量建立模型。3.根据权利要求1所述的一种檀香树干虫害损伤程度等级图像判别方法，其特征在于檀香树干虫害损伤程度预测目的的自变量提取包括：对仪器获取的同一棵檀香树的树干图像进行随机取样，大小为64×64像素，取样均匀，数量充足；对每一个图像计算8种纹理特征值，分别为能量均值、能量方差、熵值均值、熵值方差、对比度均值、对比度方差、相关性均值、相关性方差；对8维特征向量做主成分分析进行降维处理；首先进行数据的标准化，最后取前3个主成分作为3个自变量；计算各个图像中，R分量占占RGB的比例，即计算R/R+G+B作为第4个自变量。4.根据权利要求1所述的一种檀香树干虫害损伤程度等级图像判别方法，其特征在于檀香树干虫害损伤程度等级的判断包括：将计算得到的4个自变量代入到模型中去，模型的形式为其中x1为主成分1的值，x2为主成分2的值，x3为主成分3的值，x4为红色分量占整个RGB系统的比值，即R/R+G+B；该模型中A＝0.095896，B＝-0.168075，C＝-0.232601，D＝15.453892，a1＝174.918924，a2＝-120.939118，a3＝0.000708，a4＝0.709927，a5＝0.178487，a6＝-0.913193，a7＝0.054477，a8＝111.449919。5.根据权利要求2所述的一种檀香树干虫害损伤程度等级图像判别方法，其特征在于训练样本和测试样本的选择包括：根据获取的檀香树干图像手动...

【专利技术属性】
技术研发人员：陈珠琳，王雪峰，吴春燕，白欢欢，
申请(专利权)人：中国林业科学研究院资源信息研究所，
类型：发明
国别省市：北京,11