專利名稱：一種高空間分辨率遙感影像樹冠輪廓勾繪系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及森林資源管理技術(shù)，尤其涉及一種高空間分辨率遙感影像樹 冠輪廓勾繪系統(tǒng)及方法。
背景技術(shù)：
目前多采用實際林分單株冠幅定量測量方法來獲得單抹樹冠的輪廓等
參數(shù)。該方法以樹千為中心，分別測量樹干8個方向或4個方向的半徑，然 后采用圓形或橢圓形的近似方法獲得單抹樹冠的輪廓，并進而估算單株樹冠 的大小。該方法工作量大，費用高，估測頻率低，很難獲取到連續(xù)的觀測數(shù) 據(jù)，還不能為森林資源管理提供及時準確的決策支持。
基于高分辨率遙感影像，樹冠識別方法主要有基于局部最大值(local maximum,簡稱LM )的方法、基于輪廓(Contour-based,簡稱CB )的方 法、模板匹配(template-matching,簡稱TM )法以及3D模型法(3D-model)。
LM法的主要原理是假設(shè)樹冠反射的峰值位于或非常接近于樹頂，因而 通過圖像濾波找到局部最大值，即可最終探測出樹頂位置。該方法雖然具有 簡單快速的優(yōu)點，但當(dāng)圖像受背景干擾和照度發(fā)生變化時，其樹冠識別的性 能會大大下降。
CB法主要的策略是用邊緣探測法檢測樹冠邊界，也即主要是嘗試發(fā)現(xiàn) 樹冠和其背景的分隔線。在較精細比例尺下，可以比較精確地確定一個樹冠 的所有樹枝，樹枝占據(jù)了大部分的強度變化；在較粗比例尺下，相鄰樹冠會 相互連接。這樣， 一簇樹成為變化發(fā)生的地方，因此實際中發(fā)現(xiàn)合適的比例 嚴格地與單抹樹冠邊界相適應(yīng)是非常困難的。
TM法主要包括模型生成和模板匹配兩個過程。直觀地說，TM法主要 建立一系列模型去定義一個圖像中不同位置的單林樹的情形，首先考慮樹的幾何形狀和輻射特征， 一旦獲取了這些知識，就通過一個移動窗口去搜索最 可能是樹的最佳匹配位置。
3D法目前不太成熟，已有的一種具體應(yīng)用是基于模型的圖像匹配去獲 取一個樹冠的表面重建完成樹冠提取，樹冠表面模型考慮到樹冠形狀、照度
和傳感器模型等等。面向?qū)ο蟮脑摌涔谔崛》椒?，手續(xù)繁瑣，每次要調(diào)試參 數(shù)，提取結(jié)果穩(wěn)定性不好。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題，在于需要提供一種遙感影像樹冠輪廓勾繪 系統(tǒng)及方法，以簡單高效地勾繪高空間分辨率遙感影像的樹冠輪廓。
為了解決上述技術(shù)問題，本發(fā)明提供了 一種高空間分辨率遙感影像樹冠 輪廓勾繪方法，包括
獲取林分處于生長季的高空間分辨率遙感影像；
獲取數(shù)字化地形圖、數(shù)字化林相圖以及外業(yè)差分全球定位系統(tǒng)控制點數(shù)
據(jù)；
根據(jù)所述數(shù)字化地形圖及所述控制點數(shù)據(jù)，對所述遙感影像進行正射糾 正，得到正射遙感影像；
在所述正射遙感影像上疊加所述數(shù)字化林相圖，提取單一林分影像；
根據(jù)所述單一林分影像勾繪出單抹立木的樹冠輪廓分布圖。
優(yōu)選地，提取所述單一林分影像的步驟，包括
以所述數(shù)字化林相圖小班邊界為裁剪區(qū)域，裁剪并提取所述正射遙感影 像中與所述數(shù)字化林相圖每一小班相對應(yīng)的所述單一林分影像。
優(yōu)選地，根據(jù)所述單一林分影像勾繪出單抹立木的樹冠輪廓分布圖的步 驟，包括
將所述單一林分影像轉(zhuǎn)換為彩色圖像；
根據(jù)所述彩色圖像進行樹冠識別和輪廓勾繪，獲得所述單抹立木的樹冠 輪廓分布圖。優(yōu)選地，根據(jù)所述彩色圖像進行樹冠識別和輪廓勾繪，獲得所述單抹立
木的樹冠輪廓分布圖的步驟，包括 將所述彩色圖像轉(zhuǎn)換成灰度圖像；
使用梯度作為分割函數(shù)，采用拉普拉斯-高斯算子對所述灰度圖像進行 邊界檢測，得到中間結(jié)果圖像；
采用形態(tài)學(xué)技術(shù)在所述中間結(jié)果圖像中標記前景樹梢對象，得到樹梢標
記；
在所述中間結(jié)果圖像中計算背景標記，生成圍繞每個樹梢標記的樹冠邊 界線；
根據(jù)所述樹冠邊界線進行樹梢指導(dǎo)下的樹冠勾繪，獲得所述樹冠輪廓分 布圖。
優(yōu)選地，對所述灰度圖像進行邊界檢測，得到中間結(jié)果圖像的步驟，包
括
對所述灰度圖像進行高斯平滑獲得平滑圖像；
找到所述平滑圖像二階導(dǎo)數(shù)過零點，得到所述中間結(jié)果圖像。
優(yōu)選地，采用形態(tài)學(xué)技術(shù)在所述中間結(jié)果圖像中標記前景樹梢對象，得 到樹梢標記的步驟，包括
在每個前景樹梢對象內(nèi)部連4妄起斑點像素，初步標記出前景樹梢；
通過"開重建"算子和"閉重建"算子在每個前景樹梢對象內(nèi)部創(chuàng)建平 坦的極大值，得到局部非最大值壓抑方法生成的二值圖像；所述二值圖像中 每個樹梢用一個值為1的像素表示。
為了解決上述技術(shù)問題，本發(fā)明還提供了 一種高空間分辨率遙感影像樹 冠輪廓勾繪系統(tǒng)，包括
獲取模塊，用于獲取林分處于生長季的高空間分辨率遙感影像、數(shù)字化 地形圖、數(shù)字化林相圖以及外業(yè)差分全球定位系統(tǒng)控制點數(shù)據(jù)；
預(yù)處理模塊，與所述獲取;漠塊相連，用于根據(jù)所述數(shù)字化地形圖及所述 控制點數(shù)據(jù)，對所述遙感影像進行正射糾正，得到正射遙感影像；提取模塊，與所述獲取模塊及預(yù)處理模塊相連，用于在所述正射遙感影
像上疊加所述數(shù)字化林相圖，提取單一林分影像；
勾繪模塊，與所述提取模塊相連，用于根據(jù)所述單一林分影像勾繪出單 抹立木的樹冠輪廓分布圖。
優(yōu)選地，所述提取模塊包括
疊加子模塊，與所述獲取模塊及預(yù)處理模塊相連，用于在所述正射遙感 影像上疊加所述數(shù)字化林相裁剪子模塊，用于以所述數(shù)字化林相圖小班邊界為裁剪區(qū)域，裁剪并提 取所述正射遙感影像中與所述數(shù)字化林相圖每一小班相對應(yīng)的所述單一林 分影像。
優(yōu)選地，所述勾繪模塊包括
轉(zhuǎn)換子模塊，用于將所述單一林分影像轉(zhuǎn)換為彩色圖像；
識別勾繪子模塊，與所述轉(zhuǎn)換子模塊相連，用于根據(jù)所述彩色圖像進行 樹冠識別和輪廓勾繪，獲得所述單抹立木的樹冠輪廓分布圖。
優(yōu)選地，所述識別勾繪子模塊包括
轉(zhuǎn)換單元，與所述轉(zhuǎn)換子模塊相連，用于將所述彩色圖像轉(zhuǎn)換成灰度圖
像；
分割單元，與所述轉(zhuǎn)換單元相連，用于使用梯度作為分割函數(shù)，采用拉 普拉斯-高斯算子對所述灰度圖像進行邊界檢測，得到中間結(jié)果圖像；
標記單元，與所述分割單元相連，用于采用形態(tài)學(xué)技術(shù)在所述中間結(jié)果 圖像中標記前景樹梢對象，得到樹梢標記；并用于在所述中間結(jié)果圖像中計 算背景標記，生成圍繞每個樹梢標記的樹冠邊界線；
勾繪單元，與所述標記單元相連，用于根據(jù)所述樹冠邊界線進行樹梢指 導(dǎo)下的樹冠勾繪，獲得所述樹冠輪廓分布圖。
優(yōu)選地，所述分割單元包括
平滑子單元，與所述轉(zhuǎn)換單元相連，用于對所述灰度圖像進行高斯平滑， 獲得平滑圖像；識別子單元，與所述平滑子單元及標記單元相連，用于找到所述平滑圖 像二階導(dǎo)數(shù)過零點，得到所述中間結(jié)果圖像。
與現(xiàn)有技術(shù)相比，本發(fā)明系統(tǒng)及方法所提供的技術(shù)方案，通過基于數(shù)學(xué) 形態(tài)學(xué)和標記控制的分水嶺樹冠分割方法，實現(xiàn)了高分辨率林分遙感影像中 樹冠自動識別和樹冠輪廓自動勾繪，不僅適用于較單純的林分條件下樹冠普 遍較均勻的圖像和景觀，而且對郁閉度很高的影像也能達到較好的處理效 果。本發(fā)明系統(tǒng)及方法的技術(shù)方案可應(yīng)用于林業(yè)調(diào)查、森林資源監(jiān)測、林業(yè) 遙感等應(yīng)用領(lǐng)域。


圖1為本發(fā)明方法實施例的流程示意圖2為本發(fā)明方法實施例中樹冠識別及輪廓勾繪步驟的流程示意圖； 圖3為本發(fā)明樹冠輪廓勾繪系統(tǒng)實施例的組成示意圖； 圖4為本發(fā)明系統(tǒng)實施例中識別勾繪子模塊的組成示意圖。
具體實施例方式
以下將結(jié)合附圖及實施例來詳細說明本發(fā)明的實施方式，借此對本發(fā)明 如何應(yīng)用技術(shù)手段來解決技術(shù)問題，并達成技術(shù)效果的實現(xiàn)過程能充分理解 并4居以實施。
圖1為本發(fā)明方法實施例的流程示意圖。如圖1所示，本方法實施例主 要包括如下步驟
步驟Sl 10，獲取林分處于生長季的高空間分辨率遙感影像；
獲取空間分辨率大于1米(m)的遙感影像，這種影像可以是航空電荷 藕合器件圖像傳感器(CCD)數(shù)字影像、衛(wèi)片數(shù)據(jù)如快鳥(Quickbird)全色、 艾科諾斯(IKNOS)全色或全色與多光譜融合后的影像；
本實施例以某灘地楊樹人工林快鳥融合影像為例；
步驟S120,獲取數(shù)字化地形圖、數(shù)字化林相圖以及外業(yè)差分全球定位
9系統(tǒng)(GPS)高精度控制點數(shù)據(jù)，本實施例中該數(shù)字化地形圖為1:1萬的地 形步驟S130,對該高空間分辨率遙感影像進行預(yù)處理，根據(jù)該數(shù)字化地 形圖及外業(yè)GPS高精度控制點數(shù)據(jù)，對該高空間分辨率遙感影像進行正射 糾正，得到正射遙感影像；
該正射糾正的目的是把以中心投影方式獲取的遙感影像校正為正射投 影方式的影像，實現(xiàn)過程是采用星歷參數(shù)、適當(dāng)精度的控制點(即前述高精 度控制點數(shù)據(jù))及數(shù)字高程模型(DEM)，通過嚴格物理模型對原始的遙 感影像進行幾何糾正；
步驟S140，根據(jù)該正射遙感影像提取單一林分影像；在該正射遙感影 像上疊加數(shù)字化林相圖，以該數(shù)字化林相圖小班邊界為裁剪區(qū)域，裁剪出并 提取到該正射遙感影像中與林相圖每一小班相對應(yīng)的影像信息；該每一小班 相對應(yīng)的影像信息即為前述的單 一林分影像信息；
這樣得到某灘地楊樹人工林快鳥融合影像上截取出的樣地影像，影像大 小為97*95像素;
步驟S150，將裁剪并提取的數(shù)字化林相圖中每一小班相對應(yīng)的影像即 單一林分影像轉(zhuǎn)換為jpg彩色圖像并輸出；
步驟S160,根據(jù)該jpg彩色圖像，進行樹冠識別和輪廓勾繪，獲得單抹 立木樹冠輪廓分布圖。
對于上述某灘地楊樹人工林的本實施例，從平均抹樹結(jié)果分析，本算法 得到的株數(shù)要少于實際的抹數(shù)，但是誤差較小，在可以接受的范圍之內(nèi)。上 述某灘地的該批楊樹，平均胸徑達到29.92厘米(cm)，在14.4cm-38.8cm 范圍內(nèi)，作為年齡在13-15年左右的楊樹，生長很好。樣地立木的行間距達 12米，抹間距為3米。從每木檢尺得知南北向平均樹冠直徑4.15米，在2.7 米-7.5米范圍內(nèi)變化，東西向平均樹冠直徑8.32米，在2.7米-11.1米范圍內(nèi) 變化。南北向樹冠之間幾乎都有不同程度的交叉接觸，有的樹很大，樹冠也 很大，完全遮住了旁邊的樹。從運算結(jié)果來看，本發(fā)明方法對較高郁閉度的 林分影像有較好的效果。
10圖2為上述步驟S160中樹冠識別及輪廓勾繪步驟的流程示意圖。如圖 2所示，該樹冠識別及輪廓勾繪主要包括如下步驟
步驟S210,將jpg彩色圖像轉(zhuǎn)換成灰度圖像；
步驟S220，使用梯度作為分割函數(shù)，采用拉普拉斯-高斯算子(LOG) 對該灰度圖像進行邊界檢測，得到中間結(jié)果圖像，該中間結(jié)杲圖像表示該灰 度圖像中目標對象的邊界，具體計算如下
;rcr 2cr 2cr 式(1 )
其中
x,待處理像素在灰度圖像中的橫坐標； j，待處理像素在灰度圖像中的縱坐標；
(T,為平滑尺度，以像素為單位，決定可以獲取的最小邊界寬度；選擇 一個像素(即a二l)的單一平滑尺度，表示最小樹冠直徑(0.6m);
步驟S230，采用形態(tài)學(xué)技術(shù)，在步驟S220獲得的中間結(jié)果圖像中標記 前景樹梢對象，得到樹梢標記；
步驟S240,在步驟S220獲得的中間結(jié)果圖像中計算背景標記，生成圍 繞每個樹梢標記的樹冠邊界線(分水嶺)；
對每個前景樹梢對象創(chuàng)建新的影像，影像值表示其每個內(nèi)部像素到每個 樹梢標記的測地距離，這個決定邊界的過程就是使用影響區(qū)域構(gòu)成測地骨架 的過程；當(dāng)每個標記點的影響區(qū)域決定后，這些影響區(qū)域間的邊界就是樹冠 邊界，根據(jù)該樹冠邊界生成圍繞每個樹梢標記的樹冠邊界線(分水嶺)；
步驟S250,根據(jù)該樹冠邊界線進行樹梢指導(dǎo)下的樹冠勾繪，也即計算 分割函數(shù)的分水嶺變換，得到樹冠輪廓分布圖。
上述步驟S220中的LOG方法，可以分為兩步
第一步，對步驟S210獲得的灰度圖像進行高斯平滑(巻積)去除噪聲 和由于樹木內(nèi)部結(jié)構(gòu)引起的灰度強度變化，獲得平滑圖像；
第二步，找到該平滑圖像二階導(dǎo)數(shù)過零點，即進行前述步驟S220中的 邊界檢測，得到該中間結(jié)果圖像。上述步驟S230標記前景樹梢對象的過程中，是在每個前景樹梢對象內(nèi) 部連接起斑點像素(blobs of pixels )，初步標記出前景樹梢；采用形態(tài)學(xué)技 術(shù)，即"開重建，，和"閉重建"來整理中間結(jié)果圖像。具體地，通過"開重 建"算子和"閉重建，，算子在每個前景樹梢對象內(nèi)部創(chuàng)建平坦的極大值，得 到局部非最大值壓抑方法生成的二值圖像，該二值圖像中每個樹梢用 一個值 為1的像素表示，其它像素值為0。
本步驟使用結(jié)構(gòu)元素的開閉運算來實現(xiàn)，結(jié)構(gòu)元素的形狀和大小是本方 法成功的關(guān)鍵，窗口太小， 一些樹冠半徑較大的樹會有多個樹梢；相反地如 果窗口太大，比指定半徑小的樹冠不會被指定為樹梢；本實施例采用相對比 較小的半徑(1 x i窗口 )，圓盤(disk)形狀以確保小樹不被遺漏。
圖3為本發(fā)明樹冠輪廓勾繪系統(tǒng)實施例的組成示意圖。結(jié)合圖1及圖2 所示的本發(fā)明方法實施例，圖3所示的系統(tǒng)實施例主要包括獲取模塊310、 預(yù)處理模塊320、提取模塊330以及勾繪模塊340，其中
獲取模塊310,用于獲取林分處于生長季的高空間分辨率遙感影像、數(shù) 字化地形圖、數(shù)字化林相圖以及外業(yè)差分全球定位系統(tǒng)控制點數(shù)據(jù)；
預(yù)處理模塊320,與該獲取模塊310相連，用于根據(jù)該數(shù)字化地形圖及 該控制點數(shù)據(jù)，對該遙感影像進行正射糾正，得到正射遙感影像；
提取模塊330，與該獲取模塊310及預(yù)處理模塊320相連，用于在該正 射遙感影像上疊加該數(shù)字化林相圖，提取單一林分影像；
勾繪模塊340，與該提取模塊330相連，用于根據(jù)該單一林分影像勾繪 出單株立木的樹冠輪廓分布圖。
該獲取模塊310獲取的該空間分辨率大于1米的遙感影像，包括數(shù)字航 空影像或者數(shù)字化的衛(wèi)片。
上述預(yù)處理模塊320,采用星歷參數(shù)、適當(dāng)精度的控制點及數(shù)字高程模 型，通過嚴格物理模型對該遙感影像進行正射糾正。
如圖3所示，該提取模塊330包括疊加子模塊331及裁剪子模塊332， 其中
疊加子模塊331，與該獲取模塊310及預(yù)處理模塊320相連，用于在該正射遙感影像上疊加該數(shù)字化林相裁剪子模塊332,與該疊加子模塊331相連，用于以該數(shù)字化林相圖小 班邊界為裁剪區(qū)域，裁剪并提取該正射遙感影像中與該數(shù)字化林相圖每一小 班相對應(yīng)的影像信息，該每一小班相對應(yīng)的影像信息即為前述的單一林分影 像。
如圖3所示，該勾繪模塊340包括轉(zhuǎn)換子模塊341及識別勾繪子模塊 342，其中
轉(zhuǎn)換子模塊341,與該提取模塊330中的裁剪子模塊332相連，用于將 該單一林分影像轉(zhuǎn)換為彩色圖像；
識別勾繪子模塊342,與該轉(zhuǎn)換子模塊342相連，用于根據(jù)該彩色圖像 進行樹冠識別和輪廓勾繪，獲得該單株立木的樹冠輪廓分布圖。
如圖4所示，該識別勾繪子模塊342主要包括轉(zhuǎn)換單元410、分割單元 420、標記單元430以及勾繪單元440,其中
轉(zhuǎn)換單元410,與該轉(zhuǎn)換子模塊341相連，用于將該彩色圖像轉(zhuǎn)換成灰 度圖像；
分割單元420,與該轉(zhuǎn)換單元410相連，用于使用梯度作為分割函數(shù)， 采用拉普拉斯-高斯算子對該灰度圖像進行邊界檢測，得到中間結(jié)果圖像；
標記單元430，與該分割單元420相連，用于采用形態(tài)學(xué)技術(shù)在該中間 結(jié)果圖像中標記前景樹梢對象，得到樹梢標記；并用于在該中間結(jié)果圖像中 計算背景標記，生成圍繞每個樹梢標記的樹冠邊界線；
勾繪單元440，與該標記單元430相連，用于根據(jù)該沖對冠邊界線進行樹 梢指導(dǎo)下的樹冠勾繪，獲得樹冠輪廓分布圖。
繼續(xù)參考圖4所示，該分割單元420主要包括平滑子單元421以及識別 子單元422,其中
平滑子單元421,與該轉(zhuǎn)換單元410相連，用于對該灰度圖像進行高斯 平滑，獲得平滑圖像；
識別子單元422,與該平滑子單元421及標記單元430相連，用于找到 該平滑圖像二階導(dǎo)數(shù)過零點，得到該中間結(jié)果圖像。現(xiàn)有技術(shù)中的已有方法， 一般僅針對于具體的圖像和景觀條件，基本上
影像則普遍精度不高。相比較而言，本發(fā)明系統(tǒng)及方法不僅適用于較單純的 林分條件下樹冠普遍較均勻的圖像和景觀，而且對郁閉度很高的影像也能達 到4交好的處理效果。
雖然本發(fā)明所揭露的實施方式如上，但所述的內(nèi)容只是為了便于理解本 發(fā)明而采用的實施方式，并非用以限定本發(fā)明。任何本發(fā)明所屬技術(shù)領(lǐng)域內(nèi) 的技術(shù)人員，在不脫離本發(fā)明所揭露的精神和范圍的前提下，可以在實施的 形式上及細節(jié)上作任何的修改與變化，但本發(fā)明的專利保護范圍，仍須以所 附的權(quán)利要求書所界定的范圍為準。
權(quán)利要求
1、一種高空間分辨率遙感影像樹冠輪廓勾繪方法，其特征在于，包括獲取林分處于生長季的高空間分辨率遙感影像；獲取數(shù)字化地形圖、數(shù)字化林相圖以及外業(yè)差分全球定位系統(tǒng)控制點數(shù)據(jù)；根據(jù)所述數(shù)字化地形圖及所述控制點數(shù)據(jù)，對所述遙感影像進行正射糾正，得到正射遙感影像；在所述正射遙感影像上疊加所述數(shù)字化林相圖，提取單一林分影像；根據(jù)所述單一林分影像勾繪出單株立木的樹冠輪廓分布圖。
2、 如權(quán)利要求1所述的方法，其特征在于，提取所述單一林分影像的步驟，包括以所述數(shù)字化林相圖小班邊界為裁剪區(qū)域，裁剪并提取所述正射遙感影像中與所述數(shù)字化林相圖每一小班相對應(yīng)的所述單一林分影像。
3、 如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述單一林分影像勾繪出單株立木的樹冠輪廓分布圖的步驟，包括將所述單一林分影像轉(zhuǎn)換為彩色圖像；根據(jù)所述彩色圖像進行樹冠識別和輪廓勾繪，獲得所述單抹立木的樹冠輪廓分布圖。
4、 如權(quán)利要求3所述的方法，其特征在于，根據(jù)所述彩色圖像進行樹冠識別和輪廓勾繪，獲得所述單抹立木的樹冠輪廓分布圖的步驟，包括將所述彩色圖像轉(zhuǎn)換成灰度圖像；使用梯度作為分割函數(shù)，采用拉普拉斯-高斯算子對所述灰度圖像進行邊界4全測，得到中間結(jié)果圖像；采用形態(tài)學(xué)技術(shù)在所述中間結(jié)果圖像中標記前景樹梢對象，得到樹梢標記；在所述中間結(jié)果圖像中計算背景標記，生成圍繞每個樹梢標記的樹冠邊界線；根據(jù)所述樹冠邊界線進行樹梢指導(dǎo)下的樹冠勾繪，獲得所述樹冠輪廓分布圖。
5、 如權(quán)利要求4所述的方法，其特征在于，對所述灰度圖像進行邊界檢測，得到中間結(jié)果圖像的步驟，包括對所述灰度圖像進行高斯平滑獲得平滑圖像；找到所述平滑圖像二階導(dǎo)數(shù)過零點，得到所述中間結(jié)果圖像。
6、 如權(quán)利要求4所述的方法，其特征在于，采用形態(tài)學(xué)技術(shù)在所述中間結(jié)果圖像中標記前景樹梢對象，得到樹梢標記的步驟，包括在每個前景初于梢對象內(nèi)部連接起斑點像素，初步標記出前景沖對梢；通過"開重建"算子和"閉重建，，算子在每個前景樹梢對象內(nèi)部創(chuàng)建平坦的極大值，得到局部非最大值壓抑方法生成的二值圖像；所述二值圖像中每個樹梢用一個值為1的像素表示。
7、 一種高空間分辨率遙感影像樹冠輪廓勾繪系統(tǒng)，其特征在于，包括獲取模塊，用于獲取林分處于生長季的高空間分辨率遙感影像、數(shù)字化地形圖、數(shù)字化林相圖以及外業(yè)差分全球定位系統(tǒng)控制點數(shù)據(jù)；預(yù)處理模塊，與所述獲取模塊相連，用于根據(jù)所述數(shù)字化地形圖及所述控制點數(shù)據(jù)，對所述遙感影像進行正射糾正，得到正射遙感影像；提取模塊，與所述獲取模塊及預(yù)處理模塊相連，用于在所述正射遙感影像上疊加所述數(shù)字化林相圖，提取單一林分影像；勾繪模塊，與所述提取模塊相連，用于根據(jù)所述單一林分影像勾繪出單抹立木的樹冠輪廓分布圖。
8、 如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述勾繪模塊包括轉(zhuǎn)換子模塊，用于將所述單一林分影像轉(zhuǎn)換為彩色圖像；識別勾繪子模塊，與所述轉(zhuǎn)換子模塊相連，用于根據(jù)所述彩色圖像進行樹冠識別和輪廓勾繪，獲得所述單林立木的樹冠輪廓分布圖。
9、 如權(quán)利要求8所述的系統(tǒng)，其特征在于，所述識別勾繪子模塊包括轉(zhuǎn)換單元，與所述轉(zhuǎn)換子模塊相連，用于將所述彩色圖像轉(zhuǎn)換成灰度圖像；分割單元，與所述轉(zhuǎn)換單元相連，用于使用梯度作為分割函數(shù)，采用拉普拉斯-高斯算子對所述灰度圖像進行邊界檢測，得到中間結(jié)果圖像；標記單元，與所述分割單元相連，用于采用形態(tài)學(xué)技術(shù)在所述中間結(jié)果圖像中標記前景樹梢對象，得到樹梢標記；并用于在所述中間結(jié)果圖像中計算背景標記，生成圍繞每個樹梢標記的樹冠邊界線；勾繪單元，與所述標記單元相連，用于根據(jù)所述樹冠邊界線進行樹梢指導(dǎo)下的樹冠勾繪，獲得所述樹冠輪廓分布圖。
10、 如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述分割單元包括平滑子單元，與所述轉(zhuǎn)換單元相連，用于對所述灰度圖像進行高斯平滑，獲得平滑圖像；識別子單元，與所述平滑子單元及標記單元相連，用于找到所述平滑圖像二階導(dǎo)數(shù)過零點，得到所述中間結(jié)果圖像。
全文摘要
本發(fā)明公開了一種高空間分辨率遙感影像樹冠輪廓勾繪系統(tǒng)及方法，以簡單高效地勾繪高空間分辨率遙感影像的樹冠輪廓，其中該方法包括獲取林分處于生長季的高空間分辨率遙感影像并提取出單一林分影像；根據(jù)單一林分影像使用梯度作為分割函數(shù)，采用拉普拉斯-高斯算子對所述灰度圖像進行邊界檢測，得到中間結(jié)果圖像；然后采用形態(tài)學(xué)技術(shù)在前中間結(jié)果圖像中標記前景樹梢對象，得到樹梢標記；并在所述中間結(jié)果圖像中計算背景標記，生成圍繞每個樹梢標記的樹冠邊界線；然后在樹冠邊界線進行樹梢指導(dǎo)下的樹冠勾繪，獲得所述樹冠輪廓分布圖。與現(xiàn)有技術(shù)相比，本發(fā)明系統(tǒng)及方法可應(yīng)用于林業(yè)調(diào)查、森林資源監(jiān)測、林業(yè)遙感等領(lǐng)域。
文檔編號G01S7/48GK101672915SQ20091009387
公開日2010年3月17日 申請日期2009年9月23日 優(yōu)先權(quán)日2009年9月23日
發(fā)明者馮益明, 勇 龐, 李增元, 武紅敢, 覃先林, 廣 鄧 申請人:中國林業(yè)科學(xué)研究院資源信息研究所