一种基于高分辨率遥感图片的单木树冠提取方法技术

本发明专利技术公开了一种基于高分辨率遥感图片的单木树冠提取方法，包括以下步骤：S1、将原真彩色图像转换为灰度图像一；S2、对灰度图像一做处理，获得梯度图像二；S3、对灰度图像一做处理，获得标识图像T；S4、基于标识图像T和梯度图像二，获得重建的梯度幅值图像R，基于重建的梯度幅值图像R获得标识审核图；S5、对标识审核图进行查漏处理，获得生长标记图；S6、结合生长标记图和标识审核图，获得最终树冠标识图。本发明专利技术用计算机自动处理，大大提高计算效率和减低人工参与度，适用于遥感影像空间分辨率达到10米以上、郁闭度高于5且优势树种低于20种的单木树冠的遥感提取，提取效果良好，实用性好，值得推广。

A single tree crown extraction method based on high resolution remote sensing image

【技术实现步骤摘要】
一种基于高分辨率遥感图片的单木树冠提取方法
本专利技术属于图像识别
，具体涉及一种基于高分辨率遥感图片的单木树冠提取方法。
技术介绍
树种分类技术广泛应用在森林二类调查、森林作业调查、森林生态监测、城市园林规划、城市生态评估、环境监测和分析等领域，森林树种的精确识别是确定调查作业中森林类型、合理利用和保护森林资源的基础与依据。随着遥感技术的不断发展，研究人员常利用多源遥感影像获取大尺度森林优势树种的分布。然而，树种的分类精度受信息高维、混合光谱与小样本等问题影响，难以解决特征维度与样本数量之间的矛盾，缺乏针对先验知识深入推理的高可信度分类器研究，导致树种分类效果不佳。目前，业内常用的现有技术主要采用区域生长算法、标记分水岭算法、分层叠加方法等，这些方法提取郁闭度小于5以下的单木树冠较好，而且采用人工识别选取树冠样本，基于多波段遥感数据进行提取，存在信息高维、识别效率低及树冠特征点查找难等问题，最终易导致单木树冠过分割、合并等问题，不利于郁闭度达到5以上的阔叶林的树冠提取。由于技术适用范围窄、面向林种要求高、数据成本高等问题的存在，现有技术在实用性、鲁棒性、自适应性等方面均亟待提升。目前业内现有技术针对郁闭度高于5的阔叶林识别效果较差，人工参与度高，需要人工大量调查样本参与机器学习，同时，面向多光谱、高光谱遥感数据识别单木树冠，既信息高维又成本高昂，而且识别区域选择困难，并不是所有区域的数据均能购买到，不满足全区域实用性。
技术实现思路
有鉴于此，本专利技术提供了一种基于高分辨率遥感图片的单木树冠提取方法，以便解决现有技术中的不足。本专利技术的技术方案是：一种基于高分辨率遥感图片的单木树冠提取方法，包括以下步骤：S1、将原真彩色图像转换为灰度图像一；S2、对灰度图像一做处理，获得梯度图像二；S3、对灰度图像一做处理，获得标识图像T；S4、基于标识图像T和梯度图像二，获得重建的梯度幅值图像R，基于重建的梯度幅值图像R获得标识审核图；S5、对标识审核图进行查漏处理，获得生长标记图；S6、结合生长标记图和标识审核图，获得最终树冠标识图。优选的，所述步骤S2中获得梯度图像二的方法包括以下步骤：S21、采用Prewitt算子基于不同方向模板对灰度图像一进行处理获取梯度图像一；S22、采用形态学开闭运算对梯度图像一进行处理，得到梯度图像二。优选的，所述步骤S3中获得标识图像T的方法包括以下步骤：S31、用增加灰度图像一的对比度值的方式对灰度图像一进行图像增强，获得具有高值像元的灰度图像二；S32、基于腐蚀膨胀操作的开运算对具有高值像元的灰度图像二做高值像元增强后，对其进行均值滤波，获得平滑处理图；S33、将平滑处理图转化为二值图像；S34、设置距离变换操作的结构元素半径，对二值图像进行距离变换，用分割函数标记出单木树冠特征点，得到初步的标记图像；S35、设置标记图像的树冠特征点的面积最大值，并自适应创建树冠标记阈值L，通过不断迭代L值的分水岭算法，根据不同大小的树冠采用不同的L值约束树冠标记，直到没有新的标记产生，获得标记图像一；S36、利用分水岭标识变换抑制标记图像一上的噪声，并自动审核过分割标记和重复标记，获得标识图像T。优选的，所述步骤S4中获得标识审核图的方法是：基于梯度图像二和标识图像T采用最小覆盖法得到重建的梯度幅值图像R，利用分水岭分割算法对重建的梯度幅值图像R进行处理，获得分割结果，使用伪随机方式来将分割结果转换为RGB图像，得到标识审核图。优选的，所述步骤S5中对标识审核图进行查漏处理，获得生长标记图的方法是：在标识图像T上按照圆弧搜索生长像素D，搜索停止于圆弧范围内但没有符合之前的标记要求的标识进行标记，获得生长标记图。优选的，所述步骤S6中获得最终树冠标识图的方法包括：通过目视判读，符合单木树冠轮廓标记标准时，综合标识审核图和生长标记图，获取最终树冠标识图；不符合单木树冠轮廓标记标准时，重新进行树冠自适应标识，直至符合单木树冠轮廓标记标准。优选的，所述步骤S34中距离变换操作的结构元素半径设置为5。优选的，所述步骤S35中L控制在1-3的范围内。优选的，圆弧搜索生长像素D的范围在-10°到+10°。与现有技术相比，本专利技术提供的一种基于高分辨率遥感图片的单木树冠提取方法，是基于形态学理论和分水岭分割理论，提出一种改进型分水岭自适应标记控制算法，通过对谷歌下载的高分辨率全区域遥感图片智能去噪处理，加快单木树冠的标记速度，通过利用消除标记树冠特征深度局部最小值的迭代算法，自动排除错误标记，构建自适应标记自动审核技术，设计标记生长模板，最终提取阔叶林优势树种的单木树冠，其具有以下优点：1、本专利技术利用遥感、GIS以及互联网技术探索识别林分树种和评价林分质量的技术，为森林树种分类研究提供兼顾稳定和可靠的林业生态评价新方法，提高树种分类精度，其采用自适应变异算法解决复杂优化问题，通过算法随机优化的表面现象，设计具有一定自适应性的分类群体，能够提高单木树冠遥感提取的鲁棒性和自适应性，且极大地提高了提取精度；2、本专利技术的单木树冠的计算机自动提取方法不仅解决样本数量少的难题提供有效先验知识，用于提高树种分类精度，而且通过基于高分辨率遥感图片三个波段数据，降低信息维度和混合光谱影像，实现了有效提高单木树冠提取的鲁棒性与自适应性，降低人工参与度，提高提取方法效率；3、本专利技术为解决郁闭度高于5的阔叶林单木树冠计算机自动提取，首先设计了基于高分辨率遥感图片的树冠标记技术，基于形态学理论平滑处理三波段图像，平衡各树冠光谱强度，该技术利用低成本低维度的数据获得了高质量的树冠标记结果，其次设计了标记自动审核技术，基于改进型分水岭算法将复杂的单木树冠的自动标记一一审定，排除错误标记，提高树冠标记精度，最后设计了树冠特征点生长技术，基于对称生长原理和固定以圆弧的查找模式，提取形态复杂的阔叶林内的单木树冠，有效解决识别效率低的问题，单木树冠自动提取结果精度高度拟合人工解译结果；4、现业内常用技术只适用于郁闭度小于5以下的针叶林或阔叶林树冠，遥感数据需要高价购买，并且识别步骤需要大量人工参与的过程，实用性差，本专利技术在基础数据上采用RGB三波段遥感图片即可，大部分可网上免费下载，成本低，平衡各树冠像元的混合光谱，自动标记审核，以及计算机自动生长算法，无疑均是计算机自动处理，大大提高计算效率和减低人工参与度；5、本专利技术适用于遥感影像空间分辨率达到10米以上、郁闭度高于5且优势树种低于20种的单木树冠的遥感提取，提取效果良好，实用性好，值得推广。附图说明图1为本专利技术的基于高分辨率遥感图片的单木树冠提取方法的流程图；图2为本专利技术的三波段高分辨率遥感原始图；图3为本专利技术的梯度模值平滑结果图；图4为本专利技术的平滑后各树冠光谱强度图；图5为本专利技术的按最大值标记树本文档来自技高网...

【技术保护点】
1.一种基于高分辨率遥感图片的单木树冠提取方法，其特征在于，包括以下步骤：/nS1、将原真彩色图像转换为灰度图像一；/nS2、对灰度图像一做处理，获得梯度图像二；/nS3、对灰度图像一做处理，获得标识图像T；/nS4、基于标识图像T和梯度图像二，获得重建的梯度幅值图像R，基于重建的梯度幅值图像R获得标识审核图；/nS5、对标识审核图进行查漏处理，获得生长标记图；/nS6、结合生长标记图和标识审核图，获得最终树冠标识图。/n

【技术特征摘要】
1.一种基于高分辨率遥感图片的单木树冠提取方法，其特征在于，包括以下步骤：
S1、将原真彩色图像转换为灰度图像一；
S2、对灰度图像一做处理，获得梯度图像二；
S3、对灰度图像一做处理，获得标识图像T；
S4、基于标识图像T和梯度图像二，获得重建的梯度幅值图像R，基于重建的梯度幅值图像R获得标识审核图；
S5、对标识审核图进行查漏处理，获得生长标记图；
S6、结合生长标记图和标识审核图，获得最终树冠标识图。


2.根据权利要求1所述的一种基于高分辨率遥感图片的单木树冠提取方法，其特征在于，所述步骤S2中获得梯度图像二的方法包括以下步骤：
S21、采用Prewitt算子基于不同方向模板对灰度图像一进行处理获取梯度图像一；
S22、采用形态学开闭运算对梯度图像一进行处理，得到梯度图像二。


3.根据权利要求1所述的一种基于高分辨率遥感图片的单木树冠提取方法，其特征在于，所述步骤S3中获得标识图像T的方法包括以下步骤：
S31、用增加灰度图像一的对比度值的方式对灰度图像一进行图像增强，获得具有高值像元的灰度图像二；
S32、基于腐蚀膨胀操作的开运算对具有高值像元的灰度图像二做高值像元增强后，对其进行均值滤波，获得平滑处理图；
S33、将平滑处理图转化为二值图像；
S34、设置距离变换操作的结构元素半径，对二值图像进行距离变换，用分割函数标记出单木树冠特征点，得到初步的标记图像；
S35、设置标记图像的树冠特征点的面积最大值，并自适应创建树冠标记阈值L，通过不断迭代L值的分水岭算法，根据不同大小的树冠采用不同的L值约束树冠标记，直到没有新的标记产生，获得标记图像一；...

【专利技术属性】
技术研发人员：王妮，滕文秀，施慧慧，黄建文，刘玉婵，赵明伟，王靖，何桂芳，
申请(专利权)人：滁州学院，
类型：发明
国别省市：安徽;34