基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾，对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段，如可见光波段或红外波段的视频信息进行分析，然而在实际应用过程中，由于森林环境复杂，基于单一波段视频信息检测火灾的结果欠佳。现阶段，基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征，提出了一种基于分数阶微分视频融合的森林烟火检测算法，将分数阶微分理论引入红外视频和可见光视频融合中，利用分数阶微分算子对两个波段视频进行融合，然后利用背景去除法检测融合视频中的异常帧，且对异常帧图像及其与背景帧的差分图像分别进行图像分割，最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明，本文算法的融合视频的融合效果最佳，并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法，说明本文提出的算法具有较好的有效性和准确性，为森林火灾检测提供了有利的新途径。      

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。