基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。     

基于无人机图像分析的树木胸径预测

树木胸径是林木资产评估中的重要参数,该文利用图像分析技术预测树木胸径可为资产评估提供参考。以银杏和法国梧桐为试验树种,通过拟合无人机正射图像中的单株树木树冠面积与胸径的关系预测树木胸径值。首先利用二型模糊聚类方法对无人机采集的纯林样地正射图像中的单株树冠进行分割,获取树冠像素面积,然后利用地面参照物计算出树冠的实际面积,并与测量的胸径值进行拟合,得出树冠面积与胸径的函数关系,林区中其他树木胸径值可基于该函数关系和其树冠面积计算得出。试验结果显示无人机正射图像中的银杏及法桐树冠面积与胸径均呈对数关系,且该文计算所得的银杏1.2 m处的胸径与实际胸径之间的平均误差约为0.31 cm,法桐1 m处的胸径与实际胸径之间的平均误差为0.27 cm,均在行业允许的1 cm误差范围内,该文提出的基于无人机正射图像分析技术预测树木胸径较为准确,可为中小尺度林地资产评估提供参考。