一种基于数字相机的多波段自动植被观测方法及装置

技术领域

本发明涉及一种基于数字相机的多波段自动植被观测方法及装置，具体涉及一种基于数字相机的可同时利用可见光和近红外信息的多波段自动植被观测方法及装置，属于近地遥感植被物候观测技术领域。

背景技术

植被物候是植物随着气候与环境的周期变化而形成的与此相适应的生长发育节律，是影响全球气候变化和全球碳收支的重要参数。植被的发芽、开花和落叶等，都受到温度、水分、光周期和其他环境因素的强烈控制，故而植被的周期变化可直观指示气候等因素在不同变化尺度上对生态系统的影响。此外，物候参数是长期形成的对环境变化响应的综合因子，环境差异与物种差异都在一定程度上影响着物候的具体反应，而物候反应的不同时间会在生态系统的相互作用中造成问题。因此，监测植被生长对于理解气候变化、环境条件、植被健康状况和生产力之间的关系至关重要，不仅能更好的理解植被对生态系统气候变化的响应过程，而且有利于降低植被对能量交换作用的不确定性，对准确评估植被生产力与全球碳收支具有重要意义，对预测未来气候变化产生的影响至关重要。

植被物候研究以长期观测的时间序列数据作为原始数据，而植被观测的传统方法主要分为人工观测和遥感观测两种。人工观测是研究单一植被类型最客观和准确的方法，但是人工观测易受个人经验和环境的影响，不可避免的会出现数据错漏、缺失等问题，而且该方法很难在植被类型复杂下垫面进行综合物候观测。遥感观测方法是以获取的遥感影像为基础，构建各种植被指数，根据植被指数的变化拐点来确定植被物候。遥感影像具有多时相、全空间覆盖等优点，使得遥感影像能很好地描述整个生态系统的变化，适用于区域及全球尺度上的植被监测。虽然遥感方法在大区域植被观测中具有优势，但在时空分辨率上存在权衡，单个卫星像素内混合植被类型的挑战仍然是一个主要限制，且受到传感器性能、观测角度、大气条件等随机因素的影响，获取的数据中包含大量噪声，造成提取结果与实际物候指标的误差。因此，精确的遥感观测亟需地面观测数据的辅助和验证。

近年来，随着网络数字相机大量出现，利用网络在全球范围内提供实时成像的相机技术先进且普遍，且高时空分辨率的数字相机基本不存在卫星图像中混合像素的问题，这无疑推进了植被观测方法的发展。基于网络数字相机的植被观测方法可以更方便和完整的记录植被对外界环境的响应，不仅可以聚焦于单一植被，也可以整合视野，以获得群落尺度的视角，适用于多空间尺度物候观测。很好的弥补了传统手段的不足。这些优势决定了数字相机可以在植被观测中发挥重要作用，但由于方法限制，目前数字相机在植被观测中的应用范围受限。通常基于数字相机的植被物候观测方法，一般仅能获得红绿蓝(RGB) 3个波段的信息，虽然一系列研究证明了仅使用可见光信息依然可以利用植被指数的时间序列变化趋势提取关键物候期，但这些方法忽视了相机波段的带宽设置与遥感卫星波段设置的差异性问题，因此，此时得到的相对绿度指数(Green Chromatic Coordinate，GCC)等相机植被指数与遥感观测获取的结果之间并不具有绝对值的可比性。而归一化差值植被指数(Normalized Difference Vegetation Index，NDVI)是植被观测中最常使用和研究的植被指数之一，但是若想实现NDVI类型植被指数的提取和分析，必须同时具备红波段(RED)和近红外波段(NIR) 的观测能力。通常，NDVI类型植被指数是从多光谱相机和高光谱相机拍摄的图像中获得的，它们可以准确捕捉到植被的红色和近红外反射率。但是，它们费用较高且体积和重量相对较大，限制了部署的灵活性和部署的单位数量。

目前，已有基于低成本数字相机的可获取红色和近红外信息的植被观测方法，但这种方法并未考虑到长期监测，无法实现植被远程观测，而且无法生成传统的RGB图像，红外波段是以牺牲其中一个RGB 通道中的信息为代价记录的，反而损失了原始的可见光信息。而且，这种方法得到的无论是RED还是NIR波段的数值，在中心波长与波段范围上，均与遥感卫星的波段设置存在一定的差异。将这种情况下得到的相机NDVI指数，暂时称之为“类NDVI指数”，这种“类NDVI 指数”虽然比标准彩色相机的GCC指数有所改进，但得到的毕竟还不是真正的NDVI，一旦需要进行定量化的应用研究，这种方法获取的结果则无法与遥感数据做到一致性分析。因此，需要实现新的可同时获取RGB图像和NIR+RED图像的观测方法，这种方法将允许对窄带光谱指数进行连续且自动化的高频采集，而无需高光谱相机的高成本。

发明内容

在下文中将给出关于本公开内容的简要概述，以便提供关于本公开内容某些方面的基本理解。应当理解，此概述并不是关于本公开内容的穷举性概述。它并不是意图确定本公开内容的关键或重要部分，也不是意图限定本公开内容的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

本发明的目的是提供一种基于低成本数字相机的多波段自动化植被观测方法及装置，该方法可同时利用可见光和近红外信息，获得具备定量化应用潜力的植被指数。首先，需要使用窄带双通滤波片，代替相机自带的全透滤波片，使相机可以获取特定波段的光谱信息。其次，通过算法控制数字相机实现植被图像的自动化采集和实时处理；最后，实时上传并存储数字图像和处理结果，作为植被物候进一步研究、模拟和预测的基础。本发明还提供一种基于数字相机的多波段自动化植被观测装置。

为了实现上述目的，本发明提供以下技术方案：

一种基于数字相机的多波段自动植被观测方法，包括：

步骤一：采集植被图像数据，其中，使用数字相机采集植被图像数据，所述数字相机具有窄带双通滤波片和红外截止滤波片，通过切换红外截止滤波片和窄带双通滤波片，使得数字相机可选择性接收可见光和近红外光谱中的特定波长；步骤二：实时处理植被图像数据并计算植被光谱指数，包括：首先，对植被图像文件进行降尺度处理，将其等效分割为N*N块图像，然后，同时处理N*N块图像，将每一块图像的像素值转换为数字三元组，计算每一块图像的植被光谱指数平均值，最后，同时得到N*N块图像的植被光谱指数结果，进行平均得到整幅图像的植被光谱指数，N＝2、3、4、或5；以及步骤三：传输与储存植被图像数据和植被光谱指数结果数据，将植被图像与步骤二计算的植被光谱指数数据实时上传服务器或云平台。

进一步的，其中，所述窄带双通滤波片只允许透过中心波长为 650nm、半高宽波段范围为632-670nm和中心波长为850nm、半高宽波段范围为833-868nm这两个波段范围内的光线。

进一步的，其中，所述数字相机通过网线直连路由器接入网络，或者通过无线路由器接入网络，所述网线直连路由器或无线路由器采用具有边缘计算功能的智能路由器，用于对数字相机的控制及植被图像数据的处理。

进一步的，其中，由路由器或者数字相机控制数字相机自动化切换窄带双通滤波片和红外截止滤波片，当切换为红外截止滤光片时，采集第一图像，即RGB图像，切换为窄带双通滤波片时，采集第二图像，即RED+NIR图像。

进一步的，其中，采集植被图像数据时，固定数字相机观测视野采集图像，或者采用变焦模式，通过焦距变化和依赖云台设置预置位的方式采集图像。

进一步的，其中，对植被图像文件进行降尺度处理包括将原始的高分辨率图像降尺度为原始分辨率的十分之一到二十分之一的低分辨率图像。

进一步的，其中，从所述RGB图像中获取的数字三元组构建可见光植被光谱指数，包括相对红度指数RCC、相对绿度指数GCC、相对蓝度指数BCC，以及绿色植被指数GVI，各指数具体按照以下公式计算：

其中，R

进一步的，其中，从所述RED+NIR图像中获取的数字三元组构建窄带归一化差值植被指数NDVI指数，具体按照以下公式计算：

RED＝cali_red

NIR＝cali_nir

其中，R

进一步的，其中，将植被图像与步骤二计算的植被光谱指数数据实时上传服务器包括：将植被图像数据上传到FTP服务器，将植被光谱指数以http方式传输到服务器，或者将植被图像数据以及植被光谱指数数据都以http方式传输到服务器。

本发明还提供一种基于数字相机的多波段自动植被观测装置，包括：植被图像数据采集模块，其中，使用数字相机采集植被图像数据，所述数字相机具有窄带双通滤波片和红外截止滤波片，通过切换红外截止滤波片和窄带双通滤波片，使得数字相机可选择性接收可见光和近红外光谱中的特定波长；实时处理和计算模块，用于对植被图像文件进行降尺度处理，将其等效分割为N*N块图像，然后，同时处理 N*N块图像，将每一块图像的像素值转换为数字三元组，计算每一块图像的植被光谱指数平均值，最后，同时得到N*N块图像的植被光谱指数结果，进行平均得到整幅图像的植被光谱指数，N＝2、3、4、或5；以及传输与储存模块，用于传输与储存植被图像数据和植被光谱指数结果数据，将植被图像与植被光谱指数数据实时上传服务器或云平台。

本发明的观测方法和观测装置具有以下有益效果：

本发明提供的基于低成本数字相机的多波段自动化植被观测方法，不同于传统的植被观测方法和已有类似方法，该方法可同时获取可见光和近红外信息，有利于获取那些难以从基于颜色的植被指数中识别的现象，此外，本方法还可以使用获取的可见光和近红外信息中的近红外、红色和绿色波段(即NIR+R+G)生成类似于由卫星图像生成的假彩色图像，进一步提升了该方法在植被观测时的普适性和有效性。具体地，该方法具有以下五个优点：1)本方法应用成本低，实施方法简单，无需多余配置即可实现图像采集、数据处理和结果存储的自动化植被观测，而且结果数据皆存储在远程服务器，这使得本方法始终能够远程实时访问图像并确保运行正常。2)本方法可以同时获取分别记录有可见光和近红外信息的植被图像，实现了对窄带光谱指数进行连续且自动化的高频采集，使相机植被指数突破了目前的应用范围，使NDVI结果指数具备定量化应用的潜力，有助于检测和量化生态系统结构和群落组成的变化。3)本方法适合在多空间尺度上观测植被，不仅可以聚焦于单一植被，也可以整合视野来获得群落尺度的视角，很好的弥补了传统手段的不足，有助于构建实现覆盖重要地理区域或环境梯度的植被观测网络。4)本方法在长期监测中可以将获取的图像和计算的结果存档，这将提供一个永久的记录，可以在开发新工具和发现新问题时重新分析。5)本方法得到的数据可以为地理学家、生态学家、环境科学家等提供相应价值：a)记录和解释生态系统对气候变化的物候反应；b)提供卫星产品的验证和改进；c)将植被物候预测纳入与自然资源(如农业和林业)以及人类健康(如过敏原和病媒)相关的适应性管理计划等。

附图说明

参照附图下面说明本公开内容的具体内容，这将有助于更加容易地理解本公开内容的以上和其他目的、特点和优点。附图只是为了示出本公开内容的原理。在附图中不必依照比例绘制出单元的尺寸和相对位置。

图1是本发明的观测方法的流程示意图。

图2是双通滤波片设计与透过率图。

图3是植被图像实时处理方法的示意图。

图4是本发明获取的植被图像及处理实例图。

图5是本发明获取的数据与同时期采集的光谱数据的线性拟合结果和差异比较图。

具体实施方式

在下文中将结合附图对本公开内容的示例性公开内容进行描述。为了清楚和简明起见，在说明书中并未描述实现本公开内容的所有特征。然而，应该了解，在开发任何这种实现本公开内容的过程中可以做出很多特定于本公开内容的决定，以便实现开发人员的具体目标，并且这些决定可能会随着本公开内容的不同而有所改变。

在此，还需要说明的是，为了避免因不必要的细节而模糊了本公开内容，在附图中仅仅示出了与根据本公开内容的方案密切相关的管网结构，而省略了与本公开内容关系不大的其他细节。

应理解的是，本公开内容并不会由于如下参照附图的描述而只限于所描述的实施形式。本文中，在可行的情况下，不同实施方案之间的特征可替换或借用、以及在一个实施方案中可省略一个或多个特征。

以下结合附图详细阐述本发明的技术方案。

实施例1

本发明实施例1是一种基于低成本数字相机的多波段自动化植被观测方法，可同时利用可见光和近红外信息，该方法可获得具备定量化应用潜力的植被指数。首先，通过算法控制数字相机实现植被图像的自动化采集，数字相机具有窄带双通滤波片和红外截止滤波片，使相机可以获取特定波段的光谱信息；其次，实时处理植被图像，计算植被光谱指数；最后，上传并存储数字图像和植被光谱指数结果数据，作为植被物候进一步研究、模拟和预测的基础。

本发明的基于低成本数字相机的多波段自动化植被观测方法的流程图如图1所示，具体的实施步骤如下：

步骤一：采集植被图像数据。

本发明使用具有窄带双通滤波片的数字相机来采集植被图像数据，具体地，使用窄带双通滤波片替换数字相机原始的全透滤波片，使得相机可选择性接收可见光和近红外光谱中的特定波长。

低成本数字相机一般自带红外截止滤波片和全透滤波片，当红外截止滤波片发挥作用时，近红外光线被阻挡，其所有像素只会响应可见光波段，而在移除红外截止滤波片的时候，全透滤波片发挥作用，所有像素在可见光波段和近红外区域都是敏感的，这样就能得到带有可见光和近红外信息的图像，但是，此时红外光信息和可见光信息融合在一起，无法获得较纯净的近红外信息。因此，必须使用窄带双通滤波片替换原始的全透滤波片，使得相机可选择性接收可见光和近红外光谱中的特定波长。因此本发明使用只允许窄带红光和近红外光通过的双通道滤波片，该双通道滤波片的波段按照资源卫星的波段特性而设置，无论是从中心波长上还是半高波宽上，均与遥感卫星具有极强的一致性。它消除了红光和近红外光之间的瞬态区域，更好的定义了相机通道对特定波长的响应，极大的简化了数据处理工作，有助于本发明实现对窄带植被光谱指数连续且高频的采集。

如图2(a)所示，是本发明双通滤波片的设计图及本方法所采用的数字相机的光谱响应图，其中注明红(粗灰色实线)绿(粗黑色实线) 蓝(黑色虚线)的三条曲线分别代表相机红绿蓝三通道的相对光谱响应，标注双通滤波片的曲线(细黑色实线)代表双通滤波片的设计方案，该滤波片只允许透过中心波长为650nm和850nm这两个波段范围内的光线。在650nm处，红通道响应最高，绿色和蓝色通道的相对光谱响应都在20％以下，因此通过此波段的信息主要记录在红色通道中；在850nm处，红绿蓝三通道的相对光谱响应基本一致，这表明通过此波段的信息在三个通道中被同等记录；图2(b)是双通滤波片具体实现后的波段透过率测试图，可以看到该滤光片只允许通过中心波长为 650nm(半高宽波段范围为632-670nm)的红光和中心波长为850nm(半高宽波段范围为833-868nm)的近红外光，很好的消除了红光和近红外光之间的瞬态区域，使得相机可以直接记录下精确的红光和近红外光的信息。

将本发明的数字相机接入网络，然后将其固定在合适的位置，然后即可对植被进行观测，采集植被图像数据。优选的，相机通过网线直连路由器接入网络，也可以通过无线路由器，例如Wi-Fi接入网络，进一步，本发明采用的路由器是具有边缘计算功能的智能路由器，其作用表现在两个方面：一方面可以为设备与远程服务器建立网络路由；另一方面能够支持算法运行实现对相机的控制及图像处理。进一步，该路由器还内置有GPS模块，可以实时提供观测站点的位置。

在采集图像数据时，首先设置好拍照参数，如拍照周期、图像饱和度等，然后选定合适的位置，启动相机，路由器可以控制数字相机自动化切换双通滤波片和红外截止滤波片，当切换为红外截止滤波片时，采集第一图像，即RGB图像，切换为双通滤波片时，采集第二图像，即RED+NIR图像，采集的植被图像将以最小压缩的JPEG格式存储，优选的是，也可以由数字相机本身控制其自动化切换双通滤波片和红外截止滤波片。优选的是，本发明可以固定相机观测视野采集图像，进一步本发明还提供了变焦模式，其可以通过焦距变化和依赖云台设置预置位的方式来扩大观测视野，使植被观测不局限于单一视野，而使得仅通过单个设备即可观测更大空间尺度的植被区域。进一步，本方法的相机拍照参数可以自主设置，可以采用24小时不间断循环拍摄，在大多数情况下，设置每天至少需要采集一次图像是必要的，这在植被冠层状态发生快速变化期间尤为重要。

步骤二：实时处理植被图像数据，计算植被光谱指数。

尽管可以目视检查记录的图像以确定植被生长状态的变化，但以类似于多通道卫星图像的方式进行处理则更加方便，此处理检索有关图像中特定像素颜色的定量信息。数字相机采集的单张图像分辨率大，路由端直接处理运算时间较长，无法达到实时效果，并且造成算力浪费，而且通过实验发现，高分辨率植被图像与低分辨率植被图像在光谱指数结果上差异极小，差距往往在0.01之内。因此，如图3所示，本步骤具体来说，可分为以下三个步骤：1)本方法在加载植被图像文件进行处理时，首先对植被图像文件进行降尺度处理，例如本方法将原始的高分辨率图像如500万像素降尺度为低分辨率图像如5万像素，然后将其等效分割为N*N(N＝2、3、4、或5)块，优选的是，植被图像文件可以是JPEG、PNG、TIFF等文件格式，并且优选N＝3，即等效分割为9块，图3中以9块为例，但本发明对此并不做限定，能实现降尺度的目的即可；2)同时处理N*N块同样分辨率的图像，分割得到的这N*N块图像处理方法一致，都是首先读取每一块图像的所有像素值，每个像素都可获得三个值，对应图像三通道在该像素的值，这三个值定义了该像素在RGB颜色空间中的强度，将其转换为数字三元组(R

利用数字三元组(R

其中，R

进一步，本方法根据从RED+NIR图像中获取的数字三元组构建窄带归一化差值植被指数，即NDVI指数，具体按照以下公式计算：

RED＝cali_red

NIR＝cali_nir

其中，R

步骤三：传输与储存植被图像数据和植被光谱指数结果数据。

植被图像采集结束，算法自动进行图像处理，并将植被光谱指数结果以及所采集的植被图像进行上传。依赖于传输方式、传输地址等配置文件中数据上传相关的参数设置，算法自动化将植被光谱指数结果与植被图像数据上传到远程服务器。既可以选择将植被图像数据上传到FTP服务器，植被光谱指数将以http方式传输到服务器，也可以选择将植被图像数据以及植被光谱指数计算结果都以http方式传输到服务器，第二种方法与第一种方法的主要区别在它以接口而非直接暴露服务器地址的方式传输数据，具有更好的安全性。植被图像与植被光谱指数数据实时上传服务器后，在服务器上实时运行的相关算法将立即做出响应，对植被图像按年月日的目录格式归纳整理，同时将植被光谱指数结果存储到数据库中。此外，本方法还提供了一种额外的数据传输补充方式，可以将数据上传至云平台，在云平台上可查看已上传的植被光谱指数数据，而且可以通过云平台提供的绘图组件实时显示各植被指数曲线。

进一步，在野外观测时，根据观测尺度的大小可以设置多个观测站点，并在每个站点上安装本发明的观测设备对视野内的植被区域进行观测，优选的是，利用区域内的建筑物、气象塔和天线桅杆等作为合适的安装点。在观测的过程中，无论在何处进行观测，无论观测尺度是大是小，必须保持视野稳定，优选的是，本发明可以采用定焦或变焦模式观测，定焦模式保持单一视野不变即可，变焦模式下虽然一个拍照周期内视野也许会变化，但是任一拍照周期间视野要严格保持一致，这样可以避免数据不一致的问题。进一步，为了尽量减少因照明几何形状和天气变化而导致的照明条件的日常变化的影响，本方法优选在采集图像时实施自动曝光模式，这种选择可以避免产生曝光不足的图像。此外，为了在最大程度上减少相机自动拍摄对图像实施的处理和相关伪影，本方法优选禁用相机的其他自动设置，例如自动白平衡是一项必须禁用的设置，这样可以有效避免传感器响应的变化，减少数据误差。设备安装完毕，设置好参数，依赖于相关算法的控制，将自动化进行可见光和包含窄带近红外信息的多波段植被图像采集和图像实时处理，然后上传图像文件和结果数据到服务器和数据库进行存储。

实施例2

本发明还提供一种与实施例1的基于数字相机的多波段自动化植被观测方法对应的观测装置，包括：植被图像数据采集模块，其中，使用数字相机采集植被图像数据，所述数字相机具有窄带双通滤波片和红外截止滤波片，通过切换红外截止滤波片和窄带双通滤波片，使得数字相机可选择性接收可见光和近红外光谱中的特定波长；实时处理和计算模块，用于对植被图像文件进行降尺度处理，将其等效分割为N*N(N＝2、3、4、或5)块图像，然后，同时处理N*N块图像，将每一块图像的像素值转换为数字三元组，计算每一块图像的植被光谱指数平均值，最后，同时得到N*N块图像的植被光谱指数结果，进行平均得到整幅图像的植被光谱指数；传输与储存模块，用于传输与储存植被图像数据和植被光谱指数结果数据，将植被图像与植被光谱指数数据实时上传服务器或云平台。

以下通过具体观测实例对本发明的方法进行进一步说明：

利用本发明的方法进行植被观测，如图4(a)是采集的两张植被图像，上图是RGB图像，下图是RED+NIR图像，下图整体偏红是因为 RED+NIR图像只记录了红光和近红外信息，绿色被过滤了。本方法不仅可以产生RGB图像和RED+NIR图像这两种图像，也可以使用获得的RGB图像和RED+NIR图像中的近红外、红色和绿色波段(即 NIR+R+G)生成类似于由传统卫星图像生成的假彩色图像。利用图4(a) 中的两幅图像进行试验，以产生一个标准假彩色图像，首先利用感兴趣区将这两幅图像中上下部分的字符截掉，然后利用感兴趣图像进行通道映射，将RED+NIR图像的第三通道(NIR)映射到标准假彩色图像的红色通道，将RGB图像的红色通道映射到标准假彩色图像的绿色通道，将RGB图像的绿色通道映射到标准假彩色的图像蓝色通道，图 4(b)为形成的标准假彩色图像，可见，通过本发明的方法获取的图像生成的假彩色图像与传统卫星图像生成的标准假彩色图像类似，这是因为二者的图像波段顺序在设置上是对应的，生成图像中的植被部分与卫星标准假彩色图像一样以红色为主色被突出显示，这样不仅减少了植被与其他地物的分辨难度，而且提高了图像解译效率，进一步提升了本方法在植被观测时的普适性和有效性。图4(c)是本方法采集的图像后续处理得到的相机GCC指数和NDVI指数结果图像，上图是相机 GCC植被指数结果图像，下图是相机NDVI植被指数结果图像，二者都能清晰辨明植被所在区域。图4中的任一图像的植被部分都清晰可辨，且分布区域一致，这直观的说明本方法适合植被观测应用，且图像不会产生相关伪影，可以完整记录植被生长状态，能很好地跟踪植被对环境变化的反应。

利用光谱仪对本方法实测得到的数据结果进行验证。以光谱仪数据为标准数据，以采集的图像为基础分析数据，完成了NDVI植被指数的验证与分析。图5(a)是本方法采集得到的植被图像处理得到的相机 NDVI与光谱仪NDVI的线性拟合结果，彼此相关性很好(R

上述具体实施方式，仅为说明本发明的技术构思和结构特征，目的在于让熟悉此项技术的相关人士能够据以实施，但以上内容并不限制本发明的保护范围，凡是依据本发明的技术特点所作的任何等效变化或修饰，均应落入本发明的保护范围之内。

以上结合具体的实施方案对本公开内容进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本公开内容的保护范围的限制。本领域技术人员可以根据本公开内容的精神和原理对本公开内容做出各种变型和修改，这些变型和修改也在本公开内容的范围内。