一種基于主動(dòng)輪廓模型的森林三維冠層形態(tài)結(jié)構(gòu)提取方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明屬于林業(yè)遙感圖像智能處理領(lǐng)域，特別涉及一種基于主動(dòng)輪廓模型的森林 三維冠層形態(tài)結(jié)構(gòu)提取方法，用于林區(qū)三維冠層形態(tài)結(jié)構(gòu)的提取。 二、 技術(shù)背景
[0002] 不同樹種、不同樹齡的樹木通常有極為相似的光譜特性（sr異物同譜"現(xiàn)象)和相 同樹種有時(shí)又具有顯著不同的光譜特性（即"同物異譜"現(xiàn)象），僅根據(jù)光譜特征，難以實(shí)現(xiàn) 森林樹種的高精度分類識(shí)別。森林多分布在具有一定地形起伏的區(qū)域，通過(guò)對(duì)樹木物候特 征的分析，發(fā)現(xiàn)地形因子對(duì)樹木的分布具有重要的影響。另外，不同樹種、不同樹齡的樹木 的形態(tài)結(jié)構(gòu)信息也存在顯著性差異。隨著遙感影像分辨率的逐步提高，一方面，樹木的形態(tài) 結(jié)構(gòu)、表層紋理等信息在高分辨率遙感影像上得到更為清晰的呈現(xiàn);另一方面，相比于激光 雷達(dá)，通過(guò)高分辨率的立體像對(duì)也可以獲取低成本的空間信息。將空間信息與形態(tài)結(jié)構(gòu)信 息相融合，得到三維冠層的形態(tài)結(jié)構(gòu)，與光譜信息相結(jié)合，可以有效提高樹木相互之間的區(qū) 分度。因此，樹木三維冠層形態(tài)結(jié)構(gòu)信息提取是森林資源調(diào)查和綜合防控與監(jiān)測(cè)中的關(guān)鍵 技術(shù)。目前對(duì)樹木冠層形態(tài)結(jié)構(gòu)信息的利用和提取算法多限于二維，對(duì)空間信息的提取一 般通過(guò)激光雷達(dá)系統(tǒng)和數(shù)字?jǐn)z影測(cè)量技術(shù)兩種方法進(jìn)行。攝影測(cè)量技術(shù)在森林地區(qū)控制點(diǎn) 較難選取，匹配困難，導(dǎo)致高程精度不高;激光雷達(dá)系統(tǒng)在掃描的過(guò)程中，由于外界環(huán)境因 素對(duì)掃描目標(biāo)的阻擋和遮掩，以及地物本身的反射特性不均勻，會(huì)出現(xiàn)掃描漏洞現(xiàn)象，且成 本比攝影測(cè)量技術(shù)顯著偏高?；谏鲜龇治觯芯砍鲆环N適合森林地區(qū)樹木三維冠層形態(tài) 結(jié)構(gòu)信息的智能提取模型，對(duì)森林資源的調(diào)查和綜合防控與監(jiān)測(cè)具有重大的實(shí)踐意義。 三、

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的為解決現(xiàn)有技術(shù)的上述問題，提供了一種基于主動(dòng)輪廓模型的林區(qū) 三維冠層形態(tài)結(jié)構(gòu)提取方法，為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0004] Stepl:選取林區(qū)多視立體影像對(duì)，基于SURF算法提取具有尺度不變性和旋轉(zhuǎn)不變 性的空間極值點(diǎn)，基于空間極值點(diǎn)的相似性匹配后得到初始匹配點(diǎn)集，之后基于結(jié)構(gòu)信息 一致性檢驗(yàn)機(jī)制對(duì)匹配點(diǎn)的可靠性進(jìn)行評(píng)估，得到精度較高的同名特征點(diǎn)集，最后結(jié)合光 束網(wǎng)嚴(yán)密解法構(gòu)建三維模型，在原始林區(qū)地形數(shù)據(jù)的結(jié)合下，得到樹冠高度模型；
[0005] Step2:選取林區(qū)高分辨率的多光譜影像，模仿人眼的視覺注意機(jī)理，結(jié)合影像上 下文信息，基于譜殘余的方法計(jì)算每個(gè)像素點(diǎn)的顯著性值，基于選擇性視覺注意機(jī)制分割 得到二維冠層的顯著性區(qū)域；
[0006] Step3:基于第一步得到的林區(qū)樹冠高度模型和第二步得到的林區(qū)冠層的顯著性 區(qū)域進(jìn)行疊置分析，得到三維冠層的初始輪廓，分別構(gòu)造其內(nèi)部、外部以及曲線的全局能量 函數(shù)，計(jì)算主動(dòng)輪廓模型的特征值，迭代運(yùn)算使能量函數(shù)最優(yōu)，實(shí)現(xiàn)對(duì)林區(qū)三維冠層輪廓線 的動(dòng)態(tài)優(yōu)化，最后結(jié)合林區(qū)不同樹種的冠層因子，基于形態(tài)學(xué)技術(shù)建模，實(shí)現(xiàn)林區(qū)三維冠層 形態(tài)結(jié)構(gòu)的提取。
[0007] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：
[0008] (1)該方法可以解決傳統(tǒng)林區(qū)冠層結(jié)構(gòu)提取方法多限于對(duì)二維冠層結(jié)構(gòu)提取、冠 層空間信息利用不足和三維形態(tài)結(jié)構(gòu)因子提取精度低的問題，克服森林地區(qū)同名特征點(diǎn)難 以選取導(dǎo)致誤匹配性較大的困難，構(gòu)建一種改進(jìn)的SURF立體匹配算法，得到林區(qū)冠層的高 精度空間信息；
[0009] (2)該方法可以提取出高精度的林區(qū)冠層三維形態(tài)因子；
[0010] (3)該方法可以克服林區(qū)冠層相互重疊以及林下冠層的干擾導(dǎo)致冠層提取精度低 的問題，結(jié)合已經(jīng)提取到的高精度空間信息和形態(tài)因子，提取出高精度的林區(qū)冠層三維形 態(tài)結(jié)構(gòu)。 四、
【附圖說(shuō)明】
[0011] 為了更清楚地說(shuō)明本發(fā)明實(shí)例的技術(shù)方案，下面將對(duì)實(shí)施實(shí)例描述中所需要的附 圖做簡(jiǎn)單介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)例，對(duì)于本領(lǐng)域普通 技術(shù)人員來(lái)說(shuō)，在不付出創(chuàng)造性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0012] 圖1是本發(fā)明一種基于主動(dòng)輪廓模型的林區(qū)三維冠層形態(tài)結(jié)構(gòu)提取方法的技術(shù)路 線圖。
[0013] 圖2是基于改進(jìn)的SURF立體匹配算法生成林區(qū)冠層高度模型的技術(shù)路線圖。 五、
【具體實(shí)施方式】
[0014] 下面將結(jié)合本發(fā)明實(shí)例中的附圖，對(duì)本發(fā)明實(shí)施實(shí)例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然所描述的實(shí)施實(shí)例僅是本發(fā)明的一部分實(shí)施實(shí)例，而不是全部的實(shí)施實(shí)例。 基于發(fā)明中的實(shí)施實(shí)例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有 其他實(shí)施實(shí)例，都屬于本發(fā)明保護(hù)的范圍。
[0015] 如圖1所示，一種基于主動(dòng)輪廓模型的林區(qū)三維冠層形態(tài)結(jié)構(gòu)提取方法，實(shí)施步驟 為：
[0016] Stepl:基于改進(jìn)的SURF立體匹配算法得到林區(qū)冠層高度模型，如圖2所示，詳細(xì)流 程為：
[0017] 1)選取從不同角度拍攝的林區(qū)高空間分辨率的立體影像對(duì)，基于SURF立體匹配算 法從立體影像對(duì)中提取對(duì)影像亮度、旋轉(zhuǎn)、尺度變化等具有不變性的SURF特征點(diǎn)，得到左像 片的SURF特征點(diǎn)集和右像片的SURF特征點(diǎn)集；
[0018] 2)以任一SURF特征點(diǎn)為中心建立一個(gè)邊長(zhǎng)為L(zhǎng)的正方形，并將其均勻劃分成16個(gè) 子區(qū)域，對(duì)每個(gè)子區(qū)域中的采樣點(diǎn)按水平和垂直方向使用Haar小波模板計(jì)算Haar小波響 應(yīng)，記錄Σ(1χ，2dy，Σ |dx|，Σ |dy |四個(gè)值。每一個(gè)子區(qū)域有4維描述向量，該特征點(diǎn)共有4 X 16 = 64個(gè)特征描述向量，計(jì)算得到所有SURF特征點(diǎn)的特征描述向量；
[0019] 3)從左像片的SURF特征點(diǎn)集中任取一點(diǎn)，依據(jù)一對(duì)特征點(diǎn)的特征描述向量之間的 歐氏距離最小即相似性最強(qiáng)的原則，逐次計(jì)算其與右像片SURF特征點(diǎn)集中所有SURF特征點(diǎn) 之間的相似性，當(dāng)且僅當(dāng)相似性最大的點(diǎn)對(duì)大于給定的閾值時(shí)，記錄該點(diǎn)對(duì)為一對(duì)正確的 匹配點(diǎn)對(duì);按照上述方法，對(duì)左像片SURF特征點(diǎn)集中所有的點(diǎn)都進(jìn)行同樣的處理，形成初始 匹配點(diǎn)對(duì)集；
[0020] 4)基于結(jié)構(gòu)信息一致性檢驗(yàn)機(jī)制對(duì)匹配點(diǎn)對(duì)之間的結(jié)構(gòu)信息進(jìn)行一致性檢驗(yàn)，濾 除結(jié)構(gòu)信息不一致的誤匹配點(diǎn)對(duì)，得到最終的匹配點(diǎn)對(duì)集；
[0021] 5)將最終的匹配點(diǎn)對(duì)集代入光束法嚴(yán)密解法，求解得到林區(qū)的數(shù)字表面模型；
[0022] 6)結(jié)合林區(qū)地形數(shù)據(jù)，并輔助地面測(cè)量數(shù)據(jù)，得到樹冠高度模型。
[0023] Step2:基于選擇性視覺注意機(jī)制分割得到樹冠的顯著性區(qū)域；
[0024] 1)選擇林區(qū)高分辨率的多光譜影像，計(jì)算歸一化植被指數(shù)，得到植被指數(shù)圖；
[0025] 2)計(jì)算植被指數(shù)圖的對(duì)數(shù)譜L(f);
[0026] 3)基于公式(1)計(jì)算對(duì)數(shù)譜的一般形式A(f);
[0027] A(f)=hn(f)XL(f) (1)
[0029] 4)基于公式(2)計(jì)算影像的譜殘余R(f);
[0030] R(f)=L(f)-A(f) (2)
[0031] 其中，A(f)表示對(duì)數(shù)譜的一般形態(tài)，作為先驗(yàn)信息輸入，R(f)是輸入影像的統(tǒng)計(jì)上 的特殊區(qū)域，定義為影像的譜殘余。
[0032] 5)將譜殘余圖像進(jìn)行逆傅里葉變換，得到影像的顯著性圖；
[0033] 6)將顯著性圖與高分辨率遙感影像進(jìn)行掩膜處理，得到包含林區(qū)二維冠層的顯著 性區(qū)域。
[0034] Step3:建立基于主動(dòng)輪廓模型的林區(qū)三維冠層形態(tài)結(jié)構(gòu)提取模型，提取林區(qū)三維 冠層形態(tài)結(jié)構(gòu)；
[0035] 1)基于顯著性區(qū)域分割的二維冠層影像和林區(qū)冠層高度模型進(jìn)行疊置分析，基于 拉普拉斯算子提取三維冠層的初始輪廓；
[0036] 2)基于任一單個(gè)輪廓的開始點(diǎn)，分別構(gòu)造內(nèi)部、外部以及曲線的全局能量函數(shù)，計(jì) 算主動(dòng)輪廓能量值；
[0037] 3)順時(shí)針逐個(gè)計(jì)算所有輪廓點(diǎn)的主動(dòng)輪廓能量值，確定最小能量點(diǎn)即最佳輪廓 占 .
[0038] 4)將輪廓點(diǎn)變動(dòng)到右側(cè)鄰接點(diǎn)，重復(fù)步驟2)~3)，順時(shí)針繼續(xù)變動(dòng)，找到最小能量 點(diǎn)位置，繼續(xù)下一個(gè)輪廓點(diǎn)；
[0039] 5)完成所有輪廓點(diǎn)后，繼續(xù)步驟2)~4)，迭代尋找最佳結(jié)果，直到模型收斂或者達(dá) 到最大迭代次數(shù)；
[0040] 6)結(jié)合林區(qū)不同樹種的冠層因子，基于形態(tài)學(xué)技術(shù)建模，對(duì)林區(qū)三維冠層的輪廓 圖進(jìn)行整合優(yōu)化，實(shí)現(xiàn)林區(qū)三維冠層形態(tài)結(jié)構(gòu)的提取。
[0041] 以上所述僅為發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神 和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于主動(dòng)輪廓模型的森林三維冠層形態(tài)結(jié)構(gòu)提取方法，其特征在于，克服森林 地區(qū)同名特征點(diǎn)難以選取的問題，根據(jù)森林地區(qū)改進(jìn)的SURF立體匹配算法實(shí)現(xiàn)高精度立體 匹配，構(gòu)建林區(qū)數(shù)字高程模型用于提取樹木空間信息，之后基于樹木空間信息和形態(tài)特征 構(gòu)建能量函數(shù)，建立基于動(dòng)態(tài)輪廓模型的森林三維冠層形態(tài)結(jié)構(gòu)提取模型，通過(guò)該模型中 能量函數(shù)的最小化實(shí)現(xiàn)三維冠層形態(tài)結(jié)構(gòu)的有效提取，主要實(shí)驗(yàn)方案包括以下三個(gè)環(huán)節(jié)： ① 選取林區(qū)多視立體影像對(duì)，基于SURF算法，提取具有尺度不變性和旋轉(zhuǎn)不變性的空 間極值點(diǎn)，基于空間極值點(diǎn)的相似性匹配后得到初始匹配點(diǎn)集，之后基于結(jié)構(gòu)信息一致性 檢驗(yàn)機(jī)制對(duì)匹配點(diǎn)的可靠性進(jìn)行評(píng)估，得到精度較高的同名特征點(diǎn)集，最后結(jié)合光束網(wǎng)嚴(yán) 密解法構(gòu)建三維模型，在原始林區(qū)地形數(shù)據(jù)的結(jié)合下，得到樹冠高度模型； ② 選取林區(qū)高分辨率的多光譜影像，模仿人眼的視覺注意機(jī)理，結(jié)合影像上下文信息， 基于譜殘余的方法計(jì)算每個(gè)像素點(diǎn)的顯著性值，基于選擇性視覺注意機(jī)制分割得到二維冠 層的顯著性區(qū)域； ③ 基于第一步得到的林區(qū)樹冠高度模型和第二步得到的林區(qū)冠層的顯著性區(qū)域進(jìn)行 疊置分析，得到三維冠層的初始輪廓，分別構(gòu)造其內(nèi)部、外部以及曲線的全局能量函數(shù)，計(jì) 算主動(dòng)輪廓模型的特征值，迭代運(yùn)算使能量函數(shù)最優(yōu)，實(shí)現(xiàn)對(duì)林區(qū)三維冠層輪廓線的動(dòng)態(tài) 優(yōu)化，最后結(jié)合林區(qū)不同樹種的冠層因子，基于形態(tài)學(xué)技術(shù)建模，實(shí)現(xiàn)林區(qū)三維冠層形態(tài)結(jié) 構(gòu)的提取。
【專利摘要】本發(fā)明屬于林業(yè)遙感圖像智能處理領(lǐng)域技術(shù)，特別涉及一種基于主動(dòng)輪廓模型的森林三維冠層形態(tài)結(jié)構(gòu)提取方法，提取步驟為：采用基于結(jié)構(gòu)信息一致性檢驗(yàn)機(jī)制的SURF立體匹配算法獲取同名像點(diǎn)，結(jié)合光束法嚴(yán)密解法解算三維空間信息，之后根據(jù)基于選擇性視覺注意機(jī)制的顯著性區(qū)域分割算法和動(dòng)態(tài)輪廓模型構(gòu)建立體形態(tài)模型，獲得森林三維冠層形態(tài)結(jié)構(gòu)信息，有利于森林地區(qū)樹種區(qū)分度的大力提高，服務(wù)于森林資源的綜合防控與監(jiān)測(cè)。
【IPC分類】G06T7/00, G06K9/46
【公開號(hào)】CN105590313
【申請(qǐng)?zhí)枴緾N201510769626
【發(fā)明人】王瑞瑞, 石偉, 于旭宅
【申請(qǐng)人】北京林業(yè)大學(xué)
【公開日】2016年5月18日
【申請(qǐng)日】2015年11月12日