一种基于图像识别技术的森林林木资源调查方法

技术领域

本发明涉及森林林木资源调查领域，具体地涉及一种基于图像识别技术的森林林木资源调查方法。

背景技术

森林资源是以林地、林木以及林区范围内生长的动、植物及其环境条件为对象的林业调查。简称森林调查。目的在于及时掌握森林资源的数量、质量和生长、消亡的动态规律及其与自然环境和经济、经营等条件之间的关系，为制订和调整林业政策，编制林业计划和鉴定森林经营效果服务，以保证森林资源在国民经济建设中得到充分利用，并不断提高其潜在生产力。

按调查的地域范围和目的，森林资源调查分为：以全国(或大区域)为对象的森林资源调查，简称一类调查；为编制规划设计而进行的调查，简称二类调查；为作业设计而进行的调查，简称三类调查。这三类调查上下贯穿、相互补充，形成森林调查体系，是合理组织森林经营，实现森林多功能永续利用、建立和健全各级森林资源管理和森林计划体制的基本技术手段。

发明内容

针对现有技术所存在的上述缺点，本发明提供了一种基于图像识别技术的森林林木资源调查方法，能够有效地克服现有技术所存在的人的视觉系统存在许多不足之处，如局限性、模糊性、主观性、缺乏持久性等，大大降低了林业病虫害识别的准确度，容易造成森林林木大面积出现虫害现象，造成巨大损失的问题。

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：

S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标；

S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维图像，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α；

S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；

S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄；

S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。

更进一步地，所述步骤S1二维模板图像与森林区域全方位地形比例尺寸为1:3000。

更进一步地，所述步骤S1中的二维坐标的坐标单位为1cm。

更进一步地，所述步骤S2中固定周期100min。

更进一步地，所述二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对。

更进一步地，所述步骤S2中比对差值α计算方式为：二维图像和二维模板对比时差异数之和。

更进一步地，所述步骤S4的无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库。

采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：

本发明通过陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，可准确对森林区域进行全方位定位处理，利于后期进行点对点进行调查处理，提升了调查准确度，再将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置，二维图像导入二维坐标中找到对处理差值α产生的地理位置，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，提高了林业病虫害识别的准确度，方便林业工作人员作出准确的研判，利于林业工作人员及时采取措施，避免森林林木大面积出现虫害现象，避免造成巨大损失。

本发明通过二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，同时，比对差值α计算方式为：二维图像和二维模板对比时差异数之和，保证了比对差值α是连续情况下的连续数字，利于比对差值α准确表达森林林木变化。

本发明通过无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库，再次遥感图像时方便林业工作人员着重关注标记处，利于林业工作人员及时比对，降低工作难度。

具体实施方式

为了加深对本发明的理解，下面结合实施例对本发明作进一步详细的说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

实施例1

本实施例的一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：

S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm，可准确对森林区域进行全方位定位处理，利于后期进行点对点进行调查处理，提升了调查准确度；

S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维图像，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α；

S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；

S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，提高了林业病虫害识别的准确度，方便林业工作人员作出准确的研判，利于林业工作人员及时采取措施，避免森林林木大面积出现虫害现象，避免造成巨大损失；

S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。

实施例2

实施例2是对实施例1的进一步改进

本实施例的一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：

S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm；

S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，固定周期100min，图像处理设备对遥感图像进行图像处理形成二维图像，二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α，比对差值α计算方式为：二维图像和二维模板对比时差异数之和，保证了比对差值α是连续情况下的连续数字，利于比对差值α准确表达森林林木变化；

S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；

S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄；

S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。

实施例3

实施例3是对实施例2的进一步改进

本实施例的一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：

S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm；

S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，固定周期100min，图像处理设备对遥感图像进行图像处理形成二维图像，二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α，比对差值α计算方式为：二维图像和二维模板对比时差异数之和；

S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；

S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库，再次遥感图像时方便林业工作人员着重关注标记处，利于林业工作人员及时比对，降低工作难度；

S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。

选取扬州市某区的森林进行监测，选取二维图像中点坐标进行实时监测，监测数据如下表：

表1

表2

通过表1和表2可知，变色趋势和害虫总量的变化趋势，可得出森林树木的变色林木是否变色可得出害虫总量是否增加，同时，通过对各种害虫数量的详细统计，有利于及时掌握各种害虫变化趋势，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施。

使用时，一种基于图像识别技术的森林林木资源调查方法，具体调查方法步骤如下：

S1:采用陆地卫星TM对森林区域全方位进行遥感图像，图像处理设备对遥感图像进行图像处理形成二维模板图像，二维模板图像与森林区域全方位地形比例尺寸为1:3000，将二维模板图像导入MATLAB软件中，以二维模板图像数据作为背景、二维模板图像数据中心点为坐标原点的二维坐标，二维坐标的坐标单位为1cm，可准确对森林区域进行全方位定位处理，利于后期进行点对点进行调查处理，提升了调查准确度；

S2:陆地卫星TM以固定周期对同一森林区域进行固定进行遥感图像，固定周期100min，图像处理设备对遥感图像进行图像处理形成二维图像，二维模板图像可选新采集的二维图像之前的一组二维图像，实现相邻二维图像连续化比对，将新采集的二维图像和二维模板图像均导入DiffImg软件中进行比对处理，计算出比对差值α，比对差值α计算方式为：二维图像和二维模板对比时差异数之和，保证了比对差值α是连续情况下的连续数字，利于比对差值α准确表达森林林木变化；

S3:比对差值α小于2时，重复S1和S2工作对同一森林区域进行周期性监控，比对差值α大于2时，工作人员将二维图像导入DeCNN-DCRF模型中确定产生对处理差值α的树木，并提取树木的变色位置；

S4:比对差值α大于2时，工作人员将二维图像导入二维坐标中找到对处理差值α产生的地理位置，启动无人机，无人机飞至树木地理位置处，再根据DeCNN-DCRF模型体现出树木的变色位置，对变色位置进行全方位拍摄，提高了林业病虫害识别的准确度，方便林业工作人员作出准确的研判，利于林业工作人员及时采取措施，避免森林林木大面积出现虫害现象，避免造成巨大损失，无人机拍摄结束后将变色林木的遥感影像进行标记，并将标记后的遥感影像导入到DeCNN-DCRF模型样本库，再次遥感图像时方便林业工作人员着重关注标记处，利于林业工作人员及时比对，降低工作难度；

S5:将无人机拍摄拍摄图像资料进行全方位分析研判，确定病虫害的种类、病虫害恶化趋势，并作出相对应应对措施，将采集的原数据以及处理后的数据导入森林资源数据库进行存储管理。

要说明的是，以上所述实施例是对本发明技术方案的说明而非限制，所属技术领域普通技术人员的等同替换或者根据现有技术而做的其他修改，只要没超出本发明技术方案的思路和范围，均应包含在本发明所要求的权利范围之内。