基于RGB影像提取单株感染松材线虫病松木信息的方法

技术领域

本发明属于松材线虫病松木技术领域，具体涉及一种基于RGB影像提取单株感染松材线虫病松木信息的方法。

背景技术

遥感技术具备远距离、大面积和无需直接接触等观测特点，在森林监测领域得到了广泛应用。目前基于遥感技术的松萎蔫病(松材线虫病)松树探测技术，常见的是使用多光谱和高光谱卫星影像，再结合典型光谱特征，提出适宜算法或人工设定光谱特征阈值技术自动识别染病松树。但是，这样的技术存在以下几点不足或限制：(1)在中国多云多雨的地区，因为卫星轨道重访周期(长达几天到几十天不等)的限制，很难及时获取高分辨率且大面积的卫星影像数据，数据的时效性无法得到保证，从而无法及时遏止病疫的传播。(2)卫星影像分辨率不高，多/高光谱影像的空间分辨率从2米到数百米不等，无法满足精确到染病松树单株的定位和定性要求，特别是树冠宽度仅有亚米级的单株松树。

针对以上的不足和限制，可采用无人机航空遥感技术作为解决手段。利用其实时快速获取目标区域高分辨率(可达厘米级)影像数据的能力，有效保证松萎蔫病松树探测的时效性。但是，无人机航空遥感技术也存在自身的问题。当沿袭高光谱卫星影像自动识别技术(结合一种或多种典型光谱特征，提出适宜算法或人工设定光谱特征阈值，自动识别染病松树)开展无人机监测工作时，会因为无人机可搭载的多/高光谱相机谱段不定(从700nm到几千nm，从4个谱段到几百个谱段)、仪器价格高昂的问题，难以提出一种普适性的光谱特征提取及染病松树自动识别方法。

针对上述问题，部分研究人员提出了仅仅利用无人机航空遥感最常见的3个可见光波段(R、G、B波段)影像自动识别染病松树。可见的文献中，有基于监督分类思想的自动识别技术，此类技术需要大量采集已被验证的正确样本，将其划分为至少为两类，再依据提取样本影像的统计特征，设定识别特征的规则集，从而实现自动识别。此类技术的问题在于，一是监督样本的采集是需要人工投入的繁琐过程，工作效率有限；二是识别精度取决于监督样本的质量，而样本质量又因为环境背景的复杂性、样本代表的局限性，不能得到普遍保证，监督分类方法的适用性也受到了影响。

发明内容

本发明的目的是为了解决单株感染松材线虫病松木信息提取的问题，提出了一种基于RGB影像提取单株感染松材线虫病松木信息的方法。

本发明的技术方案是：一种基于RGB影像提取单株感染松材线虫病松木信息的方法包括以下步骤：

S1：构建基于R、G和B波段的松材线虫病疫木遥感指数；

S2：根据松材线虫病疫木遥感指数，提取松材线虫病疫木像素级样本；

S3：对松材线虫病疫木像素级样本进行滤波处理；

S4：提取滤波处理后松材线虫病疫木像素级样本的单木信息，完成单株感染松材线虫病松木信息的提取。

本发明的有益效果是：

(1)本发明的提取方法仅仅利用无人机航空遥感最少且最常见的3个可见光波段影像，开展基于红光(R)、绿光(G)和蓝光(B)的光谱特征提取植被指数，利用其光谱特征和高空间分辨率特点，进行单株疫木识别和信息提取。在兼顾树冠的影像几何特征前提下，结合影像处理方法，提出一套完整的自动识别染病松树技术方案。该方法对于单株级别的染病疫木识别，能够提供更加精确的染病与否及空间位置信息。

(2)在林业病虫害遥感监测领域的研究中，本发明的提取方法能实现简易、快速且高精度地获取单株疫木的信息，可以有效地减少在传统林业病虫害监测中对时间、人力及经济成本的消耗与浪费，及时有效遏制林业病虫害的蔓延及其造成的生态破坏和财产损失，促进生态文明建设。

进一步地，步骤S1包括以下子步骤：

S11：针对不同生长阶段的松树，利用光谱仪测量松树不同生长阶段对应的R、G和B波段光谱发射率；

S12：根据R、G和B波段光谱发射率确定松材线虫病疫木中晚期指数T

上述进一步方案的有益效果是：在本发明中，针对多种松树(马尾松、云南松和黑松)不同的生长状态阶段(健康、早期、中期和晚期)，利用光谱仪测定其相对应的R、G、B波段光谱反射率，进行大量样本的统计分析。根据统计结果，为区分染病松树和健康松树，建立2个基于R、G、B波段的松材线虫病疫木遥感指数。

进一步地，步骤S11中，松树的生长阶段包括健康、早期、中期和晚期。

进一步地，步骤S12中，松材线虫病疫木中晚期指数T

T

其中，DN

松材线虫病疫木早期指数T

T

其中，DN

T

进一步地，步骤S2包括以下子步骤：

S21：根据松材线虫病疫木中晚期指数T

S22：根据松材线虫病疫木早期指数T

上述进一步方案的有益效果是：在本发明中，可以根据T

进一步地，步骤S21中，提取疑似疫木样本和疑似非疫木样本的方法为：若每个像素的松材线虫病疫木中晚期指数T

步骤S22中，在疑似非疫木样本中，若每个像素的松材线虫病疫木早期指数T

将云南松的疑似疫木样本、黑松的疑似疫木样本、中晚期死亡状态马尾松的疑似疫木样本和早期半死状态的马尾松的疑似疫木样本作为松材线虫病疫木像素级样本。

上述进一步方案的有益效果是：在本发明中，为解决马尾松的半死变色疫木和健康松木容易混淆而造成的疫木遗漏问题，对不满足第一次判断条件的疑似非疫木样本，再进行第二次判断。

进一步地，步骤S3中，对松材线虫病疫木像素级样本进行滤波处理的方法为：利用像素分辨率大小与疫木树冠尺寸匹配的滑动滤波窗口，对像素异常的虚假疫木目标进行滤波，滑动滤波窗口大小W的计算公式为：

W＝n×n＝ρ

其中，n表示窗口长度，ρ表示分辨率大小。

上述进一步方案的有益效果是：在本发明中，形成的松材线虫病疑似疫木像素级样本，会引入因局部噪声及像素异常造成的虚假疫木目标。针对这一现象，提出按照影像分辨率大小与疫木树冠经验尺寸匹配的滑动滤波窗口，对像素异常的虚假疫木目标进行滤波。分辨率大小ρ可从影像的头文件或辅助信息中获取，单位为m

进一步地，步骤S4包括以下子步骤：

S41：以像素大小r＝n/2作为半径，构建圆形结构，其中，n表示窗口长度；

S42：利用圆形结构，根据图形闭运算对滤波处理后松材线虫病疫木像素级样本依次进行膨胀处理和腐蚀处理；

S43：舍弃图形闭运算处理后的虚假目标，完成单木信息的提取。

上述进一步方案的有益效果是：在本发明中，在被保留的疑似疫木目标中，会存在因为疑似疫木像素的不连续分布而造成单株疫木被视为多株的现象。另外，部分连续分布的疑似单株疫木像素所构成的形态，明显与单株疫木树冠近似圆形的实际形态相悖。针对上述两种现象，本技术方案构建了一种基于图像形态学的单木信息提取方法。利用r＝n/2个像素大小为半径，构建圆形结构。以此为基础提取的单株疫木，可避免其他形状的虚假疫木被错误提取。使用闭运算提取单株疫木位置。以此提取的疫木，可把错误分为多株的疫木并为单株。

进一步地，步骤S42中，进行膨胀处理的方法为：利用圆形结构扫描滤波处理后松材线虫病疫木像素级样本的每一个像素，将圆形结构的结构元素与其覆盖的二值图像做与操作，若与操作结果都为0，则结果图像的该像素为0，否则结果图像的该像素为1；

进行腐蚀处理的方法为：利用圆形结构扫描滤波处理后松材线虫病疫木像素级样本的每一个像素，将圆形结构的结构元素与其覆盖的二值图像做与操作，若与操作结果都为1，则结果图像的该像素为1，否则结果图像的该像素为0，并保存像素结果为1的结果图像，作为闭运算结果。

上述进一步方案的有益效果是：在本发明中，图像闭运算是图像依次经过膨胀和腐蚀处理后的过程。图像先膨胀，后腐蚀，有助于用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。这样可把错误分为多株的疫木并为单株。膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。

进一步地，步骤S43中，舍弃尺寸小于(π×r

上述进一步方案的有益效果是：在本发明中，由于闭运算会带来一些小尺寸的虚假目标，最后需舍弃尺寸小于(π×r

附图说明

图1为提取单株感染松材线虫病松木信息的方法的流程图；

图2为马尾松光谱特征图；

图3云南松光谱特征图；

图4为黑松光谱特征图。

具体实施方式

下面结合附图对本发明的实施例作进一步的说明。

如图1所示，本发明提供了一种基于RGB影像提取单株感染松材线虫病松木信息的方法，包括以下步骤：

S1：构建基于R、G和B波段的松材线虫病疫木遥感指数；

S2：根据松材线虫病疫木遥感指数，提取松材线虫病疫木像素级样本；

S3：对松材线虫病疫木像素级样本进行滤波处理；

S4：提取滤波处理后松材线虫病疫木像素级样本的单木信息，完成单株感染松材线虫病松木信息的提取。

在本发明实施例中，如图1所示，步骤S1包括以下子步骤：

S11：针对不同生长阶段的松树，利用光谱仪测量松树不同生长阶段对应的R、G和B波段光谱发射率；

S12：根据R、G和B波段光谱发射率确定松材线虫病疫木中晚期指数T

在本发明实施例中，如图2所示，为马尾松光谱特征图；如图3所示，为云南松光谱特征图；如图4所示，为黑松光谱特征图。

在本发明中，针对多种松树(马尾松、云南松和黑松)不同的生长状态阶段(健康、早期、中期和晚期)，利用光谱仪测定其相对应的R、G、B波段光谱反射率，进行大量样本的统计分析。根据统计结果，为区分染病松树和健康松树，建立2个基于R、G、B波段的松材线虫病疫木遥感指数。

在本发明实施例中，如图1所示，步骤S11中，松树的生长阶段包括健康、早期、中期和晚期。

在本发明实施例中，如图1所示，步骤S12中，松材线虫病疫木中晚期指数T

T

其中，DN

松材线虫病疫木早期指数T

T

其中，DN

在本发明中，T

在本发明实施例中，如图1所示，步骤S2包括以下子步骤：

S21：根据松材线虫病疫木中晚期指数T

S22：根据松材线虫病疫木早期指数T

在本发明中，可以根据T

在本发明实施例中，如图1所示，步骤S21中，提取疑似疫木样本和疑似非疫木样本的方法为：若每个像素的松材线虫病疫木中晚期指数T

步骤S22中，在疑似非疫木样本中，若每个像素的松材线虫病疫木早期指数T

将云南松的疑似疫木样本、黑松的疑似疫木样本、中晚期死亡状态马尾松的疑似疫木样本和早期半死状态的马尾松的疑似疫木样本作为松材线虫病疫木像素级样本。

在本发明中，为解决马尾松的半死变色疫木和健康松木容易混淆而造成的疫木遗漏问题，对不满足第一次判断条件的疑似非疫木样本，再进行第二次判断。

在本发明实施例中，如图1所示，步骤S3中，对松材线虫病疫木像素级样本进行滤波处理的方法为：利用像素分辨率大小与疫木树冠尺寸匹配的滑动滤波窗口，对像素异常的虚假疫木目标进行滤波，滑动滤波窗口大小W的计算公式为：

W＝n×n＝ρ

其中，n表示窗口长度，ρ表示分辨率大小。

在本发明中，形成的松材线虫病疑似疫木像素级样本，会引入因局部噪声及像素异常造成的虚假疫木目标。针对这一现象，提出按照影像分辨率大小与疫木树冠经验尺寸匹配的滑动滤波窗口，对像素异常的虚假疫木目标进行滤波。分辨率大小ρ可从影像的头文件或辅助信息中获取，单位为m

在本发明实施例中，如图1所示，步骤S4包括以下子步骤：

S41：以像素大小r＝n/2作为半径，构建圆形结构，其中，n表示窗口长度；

S42：利用圆形结构，根据图形闭运算对滤波处理后松材线虫病疫木像素级样本依次进行膨胀处理和腐蚀处理；

S43：舍弃图形闭运算处理后的虚假目标，完成单木信息的提取。

在本发明中，在被保留的疑似疫木目标中，会存在因为疑似疫木像素的不连续分布而造成单株疫木被视为多株的现象。另外，部分连续分布的疑似单株疫木像素所构成的形态，明显与单株疫木树冠近似圆形的实际形态相悖。针对上述两种现象，本技术方案构建了一种基于图像形态学的单木信息提取方法。利用r＝n/2个像素大小为半径，构建圆形结构。以此为基础提取的单株疫木，可避免其他形状的虚假疫木被错误提取。使用闭运算提取单株疫木位置。以此提取的疫木，可把错误分为多株的疫木并为单株。

在本发明实施例中，如图1所示，步骤S42中，进行膨胀处理的方法为：利用圆形结构扫描滤波处理后松材线虫病疫木像素级样本的每一个像素，将圆形结构的结构元素与其覆盖的二值图像做与操作，若与操作结果都为0，则结果图像的该像素为0，否则结果图像的该像素为1；

进行腐蚀处理的方法为：利用圆形结构扫描滤波处理后松材线虫病疫木像素级样本的每一个像素，将圆形结构的结构元素与其覆盖的二值图像做与操作，若与操作结果都为1，则结果图像的该像素为1，否则结果图像的该像素为0，并保存像素结果为1的结果图像，作为闭运算结果。

在本发明中，图像闭运算是图像依次经过膨胀和腐蚀处理后的过程。图像先膨胀，后腐蚀，有助于用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。这样可把错误分为多株的疫木并为单株。膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。

在本发明实施例中，如图1所示，步骤S43中，舍弃尺寸小于(π×r

在本发明中，由于闭运算会带来一些小尺寸的虚假目标，最后需舍弃尺寸小于(π×r

本发明的工作原理及过程为：首先，构建基于R、G和B波段的松材线虫病疫木遥感指数；并根据松材线虫病疫木遥感指数，提取松材线虫病疫木像素级样本；再对松材线虫病疫木像素级样本进行滤波处理；提取滤波处理后松材线虫病疫木像素级样本的单木信息，完成单株感染松材线虫病松木信息的提取。

本发明的有益效果为：

(1)本发明的提取方法仅仅利用无人机航空遥感最少且最常见的3个可见光波段影像，开展基于红光(R)、绿光(G)和蓝光(B)的光谱特征提取植被指数，利用其光谱特征和高空间分辨率特点，进行单株疫木识别和信息提取。在兼顾树冠的影像几何特征前提下，结合影像处理方法，提出一套完整的自动识别染病松树技术方案。该方法对于单株级别的染病疫木识别，能够提供更加精确的染病与否及空间位置信息。

(2)在林业病虫害遥感监测领域的研究中，本发明的提取方法能实现简易、快速且高精度地获取单株疫木的信息，可以有效地减少在传统林业病虫害监测中对时间、人力及经济成本的消耗与浪费，及时有效遏制林业病虫害的蔓延及其造成的生态破坏和财产损失，促进生态文明建设。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。