基于無人機(jī)影像的天山云杉林單木樹冠信息提取

楊勇強(qiáng),王振錫,師玉霞,連 玲,高亞利

(新疆農(nóng)業(yè)大學(xué)林學(xué)與園藝學(xué)院，/新疆教育廳干旱區(qū)林業(yè)生態(tài)與產(chǎn)業(yè)技術(shù)重點(diǎn)實(shí)驗(yàn)室, 烏魯木齊 830052)

0 引 言

【研究意義】樹冠是單株林木主干以上部位的總稱，是樹木與外界進(jìn)行營(yíng)養(yǎng)交換的主要場(chǎng)所[1]，其生長(zhǎng)的優(yōu)劣程度直接影響森林生態(tài)系統(tǒng)對(duì)地上部分資源的利用能力，與林木生長(zhǎng)有著密切的關(guān)系[2]。天山云杉(PiceaSchrenkianavartianshanica)是新疆山地森林的重要組成部分，主要分布在天山北麓，對(duì)新疆的生態(tài)平衡、物種多樣性和水源涵養(yǎng)有著至關(guān)重要的作用[3-4]。而對(duì)采伐后天山云杉單株樹冠的提取可以估測(cè)林分密度并推測(cè)地上生物量，樹冠信息的精確提取是構(gòu)建林業(yè)遙感定量監(jiān)測(cè)平臺(tái)的基礎(chǔ)[5]。【前人研究進(jìn)展】早期的遙感影像分辨率低，單個(gè)像素的大小比樹冠大，無法準(zhǔn)確識(shí)別單木樹冠信息[6]。但隨著遙感技術(shù)的發(fā)展及影像分辨率的提高，使得提取單木樹冠信息成為可能。目前，獲取單株樹冠信息的方法很多，如谷地跟蹤法[7-9]、區(qū)域增長(zhǎng)法[10-11]、分水嶺分割法[12-13]和局部射線法[14]等。隨著科學(xué)技術(shù)的發(fā)展使數(shù)據(jù)獲取變得多樣化，研究者進(jìn)而將激光雷達(dá)、高分辨率雷達(dá)[15-16]以及點(diǎn)云數(shù)據(jù)[17]融入單木樹冠提取。其中分水嶺分割方法應(yīng)用范圍較廣，然而傳統(tǒng)的分水嶺分割提取樹冠易造成過分割現(xiàn)象。很多研究在傳統(tǒng)分水嶺分割方法上進(jìn)行改進(jìn)，郭昱杉等[18]將樹冠頂點(diǎn)作為標(biāo)記，應(yīng)用標(biāo)記控制分水嶺分割進(jìn)行樹冠信息提取，提取精度有所提升；滕文秀等[19]提出迭代H-minima改進(jìn)分水嶺分割方法提取樹冠信息，比標(biāo)記控制分水嶺分割算法F測(cè)度提高31.99%;于旭宅等[20]基于NDVI植被指數(shù)對(duì)樹冠信息提取并有效剔除背景及輸電線路等的影響，樣本精度達(dá)到88.3%。【本研究切入點(diǎn)】對(duì)具有復(fù)雜立地條件的山區(qū)森林樹冠提取的研究較少。標(biāo)記控制分水嶺分割方法的關(guān)鍵在于樹冠頂點(diǎn)和樹冠輪廓的正確識(shí)別。天山云杉樹冠通常是中心高、周圍低的近似圓球形，在無人機(jī)遙感影像上表現(xiàn)為樹冠頂點(diǎn)出較亮(光譜值較高)，四周較暗(光譜之較低)的特征，這對(duì)利用局部最大值法探測(cè)樹冠頂點(diǎn)有利。天山云杉林的年齡和林分密度的不同，會(huì)造成樹冠大小不一、樹冠相互連接及遮擋的現(xiàn)象，對(duì)樹冠輪廓識(shí)別不利，導(dǎo)致過分割現(xiàn)象。研究傳統(tǒng)分水嶺分割中過分割現(xiàn)象，實(shí)現(xiàn)天山云杉單木樹冠自動(dòng)提取?！緮M解決的關(guān)鍵問題】在傳統(tǒng)分水嶺分割方法的基礎(chǔ)上進(jìn)行優(yōu)化：基于無人機(jī)遙感影像，利用高斯-拉普拉斯算子(Laplacian of Gaussian，LOG)結(jié)合最大類間方差尋找最優(yōu)閾值對(duì)影像進(jìn)行處理，并使用標(biāo)記控制分水嶺方法對(duì)樹冠信息進(jìn)行提取，為天山云杉林的伐后更新及恢復(fù)評(píng)價(jià)提供參考。

1 材料與方法

1.1 材 料

研究區(qū)位于天山北麓中段的新疆農(nóng)業(yè)大學(xué)實(shí)習(xí)林場(chǎng)(N43°16′～44°07′,E86°46′～87°56′)，地處頭屯河上游，北臨準(zhǔn)噶爾盆地，平均海拔約2 200 m，林場(chǎng)內(nèi)年平均溫度3℃，年降水量500～600 mm，年降水分布不均，主要體現(xiàn)在季節(jié)不同上，春夏偏多，2009年調(diào)查表明，總面積10 046.91 hm2，林地面積6 269.06 hm2，樣地主要分布在東北和西北坡，以天山云杉為主，林下土壤為普通灰褐色森林土。圖1

2017年8月，在新疆農(nóng)業(yè)大學(xué)實(shí)習(xí)林場(chǎng)進(jìn)行野外典型樣地調(diào)查，根據(jù)新疆農(nóng)業(yè)大學(xué)實(shí)習(xí)林場(chǎng)二類調(diào)查結(jié)果，按照低(0.20 ～ 0.39)中(0.40 ～ 0.69)高(0.7以上)郁閉度對(duì)主伐跡地進(jìn)行挑選，每組挑選3塊典型樣地進(jìn)行研究，測(cè)量并記錄樣方內(nèi)所有天山云杉的樹高、胸徑和郁閉度等信息。其中林分郁閉度采用Win SCANOPY 2016冠層分析儀獲取。并用亞米級(jí)GPS記錄樣地中心點(diǎn)和四個(gè)角的位置信息，以便將樣地位置信息準(zhǔn)確的對(duì)應(yīng)至無人機(jī)遙感影像中。

研究區(qū)影像數(shù)據(jù)獲取時(shí)間為2017年冬季，無人機(jī)進(jìn)行航拍，航拍地點(diǎn)為新疆農(nóng)業(yè)大學(xué)實(shí)習(xí)林場(chǎng)主伐跡地區(qū)域，覆蓋面積大約36.2 km2，所使用的無人機(jī)型號(hào)為UNIT-AIR-FW3，航拍高度為923 m，搭載相機(jī)型號(hào)為DSC-RX1RM2(35 mm)，像素大小是4.53 μm×4.53 μm，拍攝影像尺寸為7 952×5 304，等效焦距為35 mm，空間分辨率為0.118 m，共拍攝1 200幅影像。對(duì)無人機(jī)影像的預(yù)處理包括：影像質(zhì)量檢測(cè)，特征點(diǎn)提取，生成數(shù)字高程模型(digital elevation model，DEM)，圖像拼接等操作。

圖1 研究區(qū)影像Fig.1 Image map of the study area

1.2 方 法

1.2.1 試驗(yàn)設(shè)計(jì)

研究通過對(duì)天山云杉的單木樹冠信息提取，對(duì)實(shí)施天然林保護(hù)工程后天山云杉林伐后更新恢復(fù)進(jìn)行評(píng)價(jià)，設(shè)計(jì)步驟：對(duì)無人機(jī)原始影像進(jìn)行圖像預(yù)處理；對(duì)預(yù)處理后的影像的前景(樹冠)進(jìn)行增強(qiáng)；采用LOG與形態(tài)學(xué)濾波處理原始影像，得到梯度圖像并獲取區(qū)域最大值，進(jìn)而標(biāo)記樹冠頂點(diǎn)與樹冠邊緣；進(jìn)行標(biāo)記控制分水嶺分割提取單木樹冠信息；將分割后的矢量數(shù)據(jù)導(dǎo)入ArcGIS 10.0中進(jìn)行面積統(tǒng)計(jì)，以目視解譯勾繪的樹冠面積為參考計(jì)算其精度。

1.2.2 構(gòu)建梯度幅值圖像

傳統(tǒng)的分水嶺分割算法與圖像本身沒有很大的相關(guān)性，與圖像的梯度有很強(qiáng)的關(guān)系[21]，研究提取樹冠的關(guān)鍵是準(zhǔn)確識(shí)別樹冠的邊緣位置，對(duì)于邊緣檢測(cè)算子現(xiàn)有Sobel算子、Laplacian算子等，對(duì)Laplacian算子和Sobel算子進(jìn)行對(duì)比，經(jīng)過觀察發(fā)現(xiàn)Laplacian算子在邊緣的細(xì)節(jié)識(shí)別與連續(xù)性上要優(yōu)于Sobel算子，但缺點(diǎn)是對(duì)噪聲很敏感。在利用Laplacian算子提取邊緣之前，先對(duì)原始影像進(jìn)行高斯平滑操作。圖2

圖2 2種算法的邊緣檢測(cè)Fig.2 Edge detection graph of the two algorithms

1.2.3 形態(tài)學(xué)濾波

標(biāo)記控制分水嶺分割的關(guān)鍵是選取正確的標(biāo)記。由于研究區(qū)的天山云杉林是天然林，其中天山云杉的年齡、立地條件的不同，會(huì)造成樹冠形狀及大小不一致，以及樹冠內(nèi)部復(fù)雜多變，在圖像中會(huì)產(chǎn)生大量噪聲，這不利于樹冠頂點(diǎn)的探測(cè)。因此，在進(jìn)行樹冠頂點(diǎn)探測(cè)之前，需對(duì)原始圖像進(jìn)行平滑處理。傳統(tǒng)的線性濾波器對(duì)圖像中的低頻分量保留效果好，但不能有效的抑制紋理細(xì)節(jié)，造成后續(xù)分水嶺分割時(shí)過分割的現(xiàn)象比較嚴(yán)重。數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology)是非線性濾波器，使用這種方法對(duì)原始影像進(jìn)行降噪處理時(shí)，不會(huì)產(chǎn)生邊緣偏移，因此，使用形態(tài)學(xué)重建的開閉操作對(duì)圖像進(jìn)行降噪處理。

在形態(tài)學(xué)重建的開閉運(yùn)算的過程中，結(jié)構(gòu)元素的選擇很重要，結(jié)構(gòu)元素選擇過大，會(huì)分離出一些較小的樹冠，造成樹冠提取值偏小，結(jié)構(gòu)元素過小，在較大的樹冠中會(huì)有樹枝被作作樹冠頂點(diǎn)，造成過分割現(xiàn)象，選擇合適的結(jié)構(gòu)元素對(duì)樹冠提取的精度有重要的影響。天山云杉在無人機(jī)遙感影像中類似圓形，經(jīng)過多次試驗(yàn)，最終確定結(jié)構(gòu)元素為圓盤形，尺寸大小為11個(gè)像元。經(jīng)過上述步驟，原始影像中的噪聲已基本消除，有利于局部最大值的探測(cè),其中a，c，e分別為疏林區(qū)、中郁閉度林區(qū)和密林區(qū)經(jīng)過形態(tài)學(xué)濾波后探測(cè)出的局部最大值圖像，b，d，f分別為疏林區(qū)、中郁閉度林區(qū)和密林區(qū)未經(jīng)形態(tài)學(xué)處理探測(cè)出的局部最大值圖像。圖3

圖3 局部最大值探測(cè)Fig.3 local maximum detection results

1.2.4 樹冠標(biāo)記提取

經(jīng)過基于形態(tài)學(xué)重建的開、閉運(yùn)算后，非樹冠區(qū)域的噪聲和局部極值點(diǎn)明顯減少，但在高郁閉度林分中會(huì)出現(xiàn)樹冠之間相互重疊現(xiàn)象，直接提取會(huì)使一個(gè)樹冠被分成2個(gè)或多個(gè)樹冠，造成過分割。提取局域最大值作為樹冠頂點(diǎn)，形成標(biāo)記，作為分水嶺變換的起始點(diǎn)。為防止過分割現(xiàn)象，需要將樹冠與非樹冠區(qū)域區(qū)分開，首先在無人機(jī)原始影像的灰度圖像中給定一個(gè)閾值，將影像中的樹冠與非樹冠區(qū)域分割開。對(duì)比多種閾值分割方法，采用最大類間方差閾值法(OTSU)進(jìn)行最優(yōu)閾值的選擇，該方法使樹冠部分區(qū)域的灰度值、非樹冠區(qū)域的灰度值以及整幅影像的平均灰度值之間的差異最大，能很好的區(qū)別圖像的前景與背景[22]。

1.2.5 單木樹冠分割

實(shí)驗(yàn)以拉普拉斯邊緣算子獲取的梯度幅值圖像為基礎(chǔ)，采用形態(tài)學(xué)濾波對(duì)樹冠頂點(diǎn)進(jìn)行標(biāo)記，并用最大類間方差閾值法對(duì)樹冠輪廓進(jìn)行提取約束分割。最終使用優(yōu)化后的標(biāo)記控制分水嶺分割方法對(duì)單株樹冠進(jìn)行提取，得到分割后的圖像。

1.2.6 精度評(píng)價(jià)

提取的單木樹冠面積與在ArcGIS 10.0軟件中目視解譯勾繪的單木樹冠的面積對(duì)比分析，通過兩者的差異來評(píng)價(jià)自動(dòng)勾繪樹冠的精度，將兩者的關(guān)系分為5類[23]，即匹配、接近匹配、丟失、合并和分割[18]，將參考樹冠與分割樹冠重合達(dá)50%以上視為匹配，低于50%視為漏分。匹配及接近匹配為正確分割，丟失和合并視為漏分誤差，分割對(duì)應(yīng)錯(cuò)分誤差，用以下公式來表示：

(4)

(5)

(6)

式中：Ad代表準(zhǔn)確率；Ar代表召回率；F代表F測(cè)度；Nc表示正確分割樹冠個(gè)數(shù)；Nr表示參考樹冠個(gè)數(shù)；Nd代表自動(dòng)勾繪樹冠個(gè)數(shù)總數(shù)。

選取的不同郁閉度下9塊樣地的無人機(jī)影像，在Matlab軟件首先進(jìn)行圖像前、背景的互換，再用拉普拉斯算子計(jì)算圖像的灰度梯度圖，并且對(duì)原圖像進(jìn)行形態(tài)學(xué)平滑濾波操作，進(jìn)行降噪處理對(duì)偽樹冠進(jìn)行清除，提取區(qū)域最大值作為樹冠頂點(diǎn)，形成標(biāo)記圖像，最后利用標(biāo)記控制分水嶺分割算法進(jìn)行樹冠信息提取。

在不同郁閉度下均勻隨機(jī)選取30棵樹，通過目視解譯勾繪單木樹冠，之后將自動(dòng)分割的樹冠與目視解譯勾繪的樹冠矢量圖在Arc GIS10.0軟件中進(jìn)行樹冠東西，南北冠幅計(jì)算，計(jì)算出每株樹的樹冠面積。

2 結(jié)果與分析

2.1 自動(dòng)勾繪

研究表明,在疏林區(qū)和中郁閉度林區(qū)由于樹冠邊緣清晰，樹冠重疊現(xiàn)象較少，樹冠信息提取良好，密林區(qū)因?yàn)槠淞址置芏却?，林木年齡跨度大，造成樹冠之間相互重疊，遮擋小樹等現(xiàn)象發(fā)生，在密林區(qū)樹冠分割精度較低。圖4～6

圖4 疏林區(qū)樹冠提取Fig.4 Canopy extraction results in sparse forest areas

圖5 中郁閉度林區(qū)樹冠提取Fig.5 Canopy extraction results in medium canopy density forest area

圖6 密林區(qū)樹冠提取Fig.6 Tree canopy extraction results in dense forest area

2.2 單株樹冠信息提取

研究表明,自動(dòng)勾繪的樹冠面積與目視解譯勾繪的樹冠面積相對(duì)誤差最大為0.10，平均相對(duì)誤差為0.04，自動(dòng)勾繪的樹冠面積略低或等于目視解譯后的樹冠面積；自動(dòng)勾繪的樹冠面積與目視解譯勾繪的樹冠面積相對(duì)誤差最大為0.28，平均相對(duì)誤差為0.10，自動(dòng)勾繪的樹冠面積略低或等于目視解譯后的樹冠面積；自動(dòng)勾繪的樹冠面積與目視解譯勾繪的樹冠面積相對(duì)誤差最大為0.43，平均相對(duì)誤差為0.15，在內(nèi)部結(jié)構(gòu)較為復(fù)雜的密林區(qū)存在些許過分割現(xiàn)象；優(yōu)化后的分割算法對(duì)疏林區(qū)、中林區(qū)這種內(nèi)部結(jié)構(gòu)簡(jiǎn)單的林分提取較好，對(duì)于密林區(qū)結(jié)構(gòu)復(fù)雜的林分提取不是很理想。表1～3

表1 樹冠面積計(jì)算Table 1 Comparison of every tree crown

表2 樹冠面積計(jì)算Table 2 Comparison of every tree crown

表3 樹冠面積計(jì)算Table 3 Comparison of every tree crown

2.3 精度評(píng)價(jià)

研究表明,疏林區(qū)總共分割出404棵樹冠，目視解譯勾繪出404棵樹冠，其中匹配樹冠個(gè)數(shù)達(dá)到397棵，準(zhǔn)確率為98.26%，召回率為98.26%，F(xiàn)測(cè)度為98.26%，中郁閉度林分共分割出520棵樹冠，目視解譯勾繪出524棵樹冠，其準(zhǔn)確率為93.26%，召回率為92.56%，F(xiàn)測(cè)度為92.91%，密林區(qū)分割出610棵樹冠，目視解譯勾繪出621棵樹冠，由于樹冠相互遮擋、重疊等原因，其準(zhǔn)確率為88.36%，召回率為86.79%，F(xiàn)測(cè)度為87.57%。表4

表4 精度統(tǒng)計(jì)Table 4 The accuracy statistics of different forest areas(%)

3 討 論

單株樹冠的提取，對(duì)評(píng)估樹木生長(zhǎng)狀況以及林分密度等有重要的意義，在森林調(diào)查中必不可少，對(duì)樹冠信息的獲取是建立森林定量化管理平臺(tái)的關(guān)鍵[5]，通過分析前人利用標(biāo)記控制分水嶺分割提取單木樹冠的方法，得出其存在易受噪聲影響和過分割的缺點(diǎn)，研究對(duì)標(biāo)記控制分水嶺算法進(jìn)行優(yōu)化，使提取樹冠面積的精度有了很大提高，過分割現(xiàn)象在疏、中郁閉度林分中基本消除，為快速動(dòng)態(tài)監(jiān)測(cè)伐后天山云杉林的生長(zhǎng)狀況提供有效技術(shù)手段。

分水嶺分割方法是以梯度圖像為基礎(chǔ)進(jìn)行分割，在樹冠邊緣位置圖像的灰度值會(huì)發(fā)生驟變，很多學(xué)者[9、24、19]均是利用Sobel算子進(jìn)行梯度圖像提取，Sobel算子對(duì)水平直線檢測(cè)較精準(zhǔn)，而天山云杉在遙感影像中結(jié)構(gòu)類似圓狀，對(duì)比各種邊緣檢測(cè)算子后，發(fā)現(xiàn)Laplacian算子在樹冠邊緣檢測(cè)時(shí)表現(xiàn)良好，連續(xù)性好，又因其對(duì)微弱邊緣有較高的反映，并在高郁閉度林分中對(duì)于樹冠重疊區(qū)域的邊緣檢測(cè)精準(zhǔn)度較高。因此，運(yùn)用Laplacian算子對(duì)原始影像進(jìn)行邊緣提取。但其也有一定的缺點(diǎn)，Laplacian算子是二階導(dǎo)數(shù)算子對(duì)噪聲非常的敏感，在影像拍攝過程中，由于傳感器的偏移以及電磁干擾等會(huì)使圖像產(chǎn)生較多噪聲，會(huì)對(duì)樹冠邊緣檢測(cè)有所干擾，研究使用高斯濾波先對(duì)影像進(jìn)行濾波操作，有效降低了噪聲的干擾。

在標(biāo)記前景與背景時(shí)。張海濤[25]使用最小變換(H-minima)技術(shù)對(duì)圖像進(jìn)行分割，該技術(shù)需要人為設(shè)定限制條件，設(shè)定閾值過小，會(huì)產(chǎn)生很多噪聲，設(shè)定閾值過大，對(duì)象邊緣信息會(huì)減弱，由于該文所研究的天山云杉林為天然林，情況較為復(fù)雜，使用最小變換技術(shù)對(duì)圖像分割效果不理想。研究選最大類間方差法來尋找圖像的最優(yōu)閾值，這種方法的優(yōu)勢(shì)是不需要人為的設(shè)定參數(shù)，能夠客觀的選擇多區(qū)域的最優(yōu)閾值，并且使各個(gè)類之間分離程度最大，在研究區(qū)分樹冠與非樹冠區(qū)域具有良好的表現(xiàn)。

使用研究?jī)?yōu)化后的標(biāo)記控制分水嶺分割方法對(duì)樹冠信息進(jìn)行提取，在疏、中郁閉度林分中過分割現(xiàn)象基本消除，在密林區(qū)由于樹冠相互重疊，存在部分過分割現(xiàn)象。但在疏、中、密林區(qū)提取單株樹冠的F測(cè)度均在85%以上，提取精度較高，對(duì)林業(yè)調(diào)查具有一定的參考價(jià)值。

4 結(jié) 論

通過改進(jìn)標(biāo)記控制分水嶺分割算法，提取了伐后更新的天山云杉單木樹冠信息，提取單木樹冠信息F測(cè)度在疏林區(qū)為98.26%，中郁閉度林區(qū)為92.91%，密林區(qū)為87.57%，在一定程度上有效解決了標(biāo)記控制分水嶺分割在樹冠提取中的過分割現(xiàn)象，可較好提取新疆山區(qū)天山云杉林的樹冠信息。