[发明专利]一种基于高分辨率遥感图片的单木树冠提取方法

说明书

本发明公开了一种基于高分辨率遥感图片的单木树冠提取方法，包括以下步骤：S1、将原真彩色图像转换为灰度图像一；S2、对灰度图像一做处理，获得梯度图像二；S3、对灰度图像一做处理，获得标识图像T；S4、基于标识图像T和梯度图像二，获得重建的梯度幅值图像R，基于重建的梯度幅值图像R获得标识审核图；S5、对标识审核图进行查漏处理，获得生长标记图；S6、结合生长标记图和标识审核图，获得最终树冠标识图。本发明用计算机自动处理，大大提高计算效率和减低人工参与度，适用于遥感影像空间分辨率达到10米以上、郁闭度高于5且优势树种低于20种的单木树冠的遥感提取，提取效果良好，实用性好，值得推广。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于高分辨率遥感图片的单木树冠提取方法。

背景技术

树种分类技术广泛应用在森林二类调查、森林作业调查、森林生态监测、城市园林规划、城市生态评估、环境监测和分析等领域，森林树种的精确识别是确定调查作业中森林类型、合理利用和保护森林资源的基础与依据。

随着遥感技术的不断发展，研究人员常利用多源遥感影像获取大尺度森林优势树种的分布。然而，树种的分类精度受信息高维、混合光谱与小样本等问题影响，难以解决特征维度与样本数量之间的矛盾，缺乏针对先验知识深入推理的高可信度分类器研究，导致树种分类效果不佳。

目前，业内常用的现有技术主要采用区域生长算法、标记分水岭算法、分层叠加方法等，这些方法提取郁闭度小于5以下的单木树冠较好，而且采用人工识别选取树冠样本，基于多波段遥感数据进行提取，存在信息高维、识别效率低及树冠特征点查找难等问题，最终易导致单木树冠过分割、合并等问题，不利于郁闭度达到5以上的阔叶林的树冠提取。

由于技术适用范围窄、面向林种要求高、数据成本高等问题的存在，现有技术在实用性、鲁棒性、自适应性等方面均亟待提升。目前业内现有技术针对郁闭度高于5的阔叶林识别效果较差，人工参与度高，需要人工大量调查样本参与机器学习，同时，面向多光谱、高光谱遥感数据识别单木树冠，既信息高维又成本高昂，而且识别区域选择困难，并不是所有区域的数据均能购买到，不满足全区域实用性。

发明内容

有鉴于此，本发明提供了一种基于高分辨率遥感图片的单木树冠提取方法，以便解决现有技术中的不足。

本发明的技术方案是：

一种基于高分辨率遥感图片的单木树冠提取方法，包括以下步骤：

S1、将原真彩色图像转换为灰度图像一；

S2、对灰度图像一做处理，获得梯度图像二；

S3、对灰度图像一做处理，获得标识图像T；

S4、基于标识图像T和梯度图像二，获得重建的梯度幅值图像R，基于重建的梯度幅值图像R获得标识审核图；

S5、对标识审核图进行查漏处理，获得生长标记图；

S6、结合生长标记图和标识审核图，获得最终树冠标识图。

优选的，所述步骤S2中获得梯度图像二的方法包括以下步骤：

S21、采用Prewitt算子基于不同方向模板对灰度图像一进行处理获取梯度图像一；

S22、采用形态学开闭运算对梯度图像一进行处理，得到梯度图像二。

优选的，所述步骤S3中获得标识图像T的方法包括以下步骤：

S31、用增加灰度图像一的对比度值的方式对灰度图像一进行图像增强，获得具有高值像元的灰度图像二；

S32、基于腐蚀膨胀操作的开运算对具有高值像元的灰度图像二做高值像元增强后，对其进行均值滤波，获得平滑处理图；