[發(fā)明專利]一種檀香樹(shù)干蟲(chóng)害損傷程度等級(jí)圖像判別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710071176.X
• 申請(qǐng)日: 2017-02-09
• 公開(kāi)（公告）號(hào): CN106910214A
• 公開(kāi)（公告）日: 2017-06-30
• 發(fā)明（設(shè)計(jì)）人: 陳珠琳;王雪峰;吳春燕;白歡歡
• 申請(qǐng)（專利權(quán)）人: 中國(guó)林業(yè)科學(xué)研究院資源信息研究所
• 主分類號(hào): G06T7/45
• 分類號(hào): G06T7/45;G06T7/90
• 代理公司: 北京市商泰律師事務(wù)所11255
• 代理人: 毛燕生

技術(shù)領(lǐng)域

本發(fā)明涉及一種檀香樹(shù)干蟲(chóng)害損傷程度等級(jí)圖像判別方法,屬于森林經(jīng)理和森林經(jīng)營(yíng)領(lǐng)域。

背景技術(shù)

檀香是稀有的珍貴樹(shù)種之一，具有非常好的藥用、心理、生理、美容等功效，近年來(lái)華南等地得到了大量栽植。但檀香樹(shù)是一種半寄生植物，必須有其它寄主植物才能健康生長(zhǎng)，而且在氣溫或者環(huán)境不宜等情況下，檀香易受到危害根部的苗立枯病、根腐病以及危害葉片的葉灰斑病、白粉病、桑寄生粉蝶、金龜子和危害莖干的咖啡豹蠹蛾等的危害，因此，實(shí)時(shí)監(jiān)測(cè)檀香健康狀態(tài)并及時(shí)采取相應(yīng)措施是關(guān)系到檀香經(jīng)營(yíng)成敗的重要手段。

近些年來(lái)，物聯(lián)網(wǎng)技術(shù)的發(fā)展為林業(yè)監(jiān)測(cè)提供了新的方法，在檀香生長(zhǎng)林內(nèi)布設(shè)有多臺(tái)Filed Server，每臺(tái)設(shè)備上的相機(jī)在水平方向可以進(jìn)行360°旋轉(zhuǎn)，垂直方向可以進(jìn)行270°旋轉(zhuǎn)。儀器設(shè)置為每10s獲取一組圖像數(shù)據(jù)。這樣的方式使得經(jīng)營(yíng)者可以獲取大量的數(shù)據(jù)，但是計(jì)算機(jī)無(wú)法做到對(duì)檀香做蟲(chóng)害等級(jí)預(yù)估。所以充分利用這些大量的圖像數(shù)據(jù)成為研究的重點(diǎn)。由于檀香樹(shù)干受到蟲(chóng)害的侵蝕，通常會(huì)造成沖孔或樹(shù)皮脫落等情況，使得受蟲(chóng)害破壞的樹(shù)干紋理與正常紋理之間有很大的差別。如何利用獲取的圖像進(jìn)行圖像分割以及如何建立受蟲(chóng)害損傷程度與所提取參數(shù)之間的函數(shù)關(guān)系成為兩大難點(diǎn)。

圖像分割是指將目標(biāo)從背景中提取出來(lái)，是進(jìn)行圖像理解和視覺(jué)技術(shù)的基礎(chǔ)，經(jīng)過(guò)幾十年的發(fā)展，圖像分割技術(shù)有成千上萬(wàn)種算法，但總體可以歸為四類：閾值分割算法、空間聚類分割算法、基于區(qū)域的分割算法和基于活動(dòng)輪廓模型的分割算法。

閾值分割算法中最簡(jiǎn)單的是單閾值分割，是指在圖像的灰度范圍內(nèi)選擇一個(gè)灰度閾值，將圖像中每個(gè)像素的灰度值與該閾值做比較，大于該閾值的歸為一類，小于該閾值的歸為另一類，等于該閾值的像素可以歸為任意一類，但是要統(tǒng)一。常見(jiàn)的閾值分割算法有大津法、迭代式閾值法、全局閾值法等。

空間聚類分割算法是把圖像分割的過(guò)程看做是在由原始圖像的灰度、紋理以及其他統(tǒng)計(jì)參數(shù)共同構(gòu)成的多維特征空間中進(jìn)行聚類分析。通過(guò)對(duì)不同特征變量的選擇，被識(shí)別的對(duì)象點(diǎn)就會(huì)在特征空間中聚集成團(tuán)。聚類分析的一般過(guò)程為用適當(dāng)?shù)南嗨菩詼?zhǔn)則對(duì)圖像像素分類，用類間距離等測(cè)度對(duì)所分的子類檢測(cè)，看彼此是否能明顯分開(kāi)，如果不能，就要對(duì)某些子類進(jìn)行合并。反復(fù)對(duì)生成的結(jié)果再分類、檢測(cè)和合并，直到?jīng)]有新的子類生成或滿足某一條件為止。聚類的方法很多，最常見(jiàn)的是K-均值聚類和ISODATA聚類。

基于區(qū)域的分割算法是利用圖像的若干性質(zhì)，比如顏色、紋理、空間位置關(guān)系等，分割出來(lái)的屬于同一區(qū)域的像素應(yīng)具有相似的性質(zhì)。它在復(fù)雜對(duì)象的分割方面往往能顯示較好的性能。傳統(tǒng)的基于區(qū)域的分割法有區(qū)域生長(zhǎng)法和區(qū)域分裂合并法。

基于活動(dòng)輪廓模型分割算法的初始模型是在圖像上給出的一條對(duì)應(yīng)對(duì)象邊界大概位置的閉曲線(二維)或閉曲面(三維)，然后曲線在由輪廓自身特征決定的內(nèi)部能量(內(nèi)部力)和圖像特征決定的外部能量(外部力)共同作用下移動(dòng)，當(dāng)能量最小時(shí)最終停止于所要尋找的物體邊緣附近。形變模型正是融合了外部輪廓線的知識(shí)和內(nèi)部圖像自身的特征，使得它成為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。常用的模型有參數(shù)活動(dòng)輪廓模型和幾何活動(dòng)輪廓模型。

盡管圖像分割有上千種算法，但是由于圖像的千差萬(wàn)別，沒(méi)有一種通用的算法，尤其林業(yè)圖像相對(duì)復(fù)雜，不僅具有復(fù)雜的生物屬性，也包含了多變的自然屬性。同時(shí)，大部分圖像分類算法使用于分布比較均勻的基準(zhǔn)紋理或者比較宏觀的遙感影像，用于林木病蟲(chóng)害圖像方面研究則比較少，加之檀香是半寄生樹(shù)種，寄主植物會(huì)對(duì)前景分割造成巨大的影響，更增加了分割的難度。而且很少有從圖像的角度建立模型估計(jì)檀香受蟲(chóng)害破壞程度，所以急需一種成本低、易操作、精度高的方法從圖像的角度對(duì)檀香樹(shù)蟲(chóng)害等級(jí)進(jìn)行判別。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足,本發(fā)明提供一種檀香樹(shù)干蟲(chóng)害損傷程度等級(jí)圖像判別方法。

一種檀香樹(shù)干蟲(chóng)害損傷程度等級(jí)圖像判別方法，含有以下步驟；

檀香樹(shù)干蟲(chóng)害損傷程度預(yù)估模型的建立；

檀香樹(shù)干蟲(chóng)害損傷程度預(yù)測(cè)目的的自變量提?。?/p>

檀香樹(shù)干蟲(chóng)害損傷程度等級(jí)的判斷。

本發(fā)明的優(yōu)點(diǎn)是經(jīng)營(yíng)者可以通過(guò)獲取的檀香圖像來(lái)估算檀香樹(shù)干的受蟲(chóng)害程度，科學(xué)的針對(duì)每一棵檀香樹(shù)進(jìn)行防止，進(jìn)而保證檀香的存活率和生長(zhǎng)質(zhì)量。此方法從圖像分析角度實(shí)現(xiàn)了檀香樹(shù)干蟲(chóng)害程度的估測(cè)，速度快，精度高，及其使用于當(dāng)前的檀香珍貴樹(shù)種的栽培。

附圖說(shuō)明