森林冠層孔隙度提取方法研究.pdf

1、植被通過(guò)光合作用、呼吸作用、蒸騰作用等生物機(jī)能完成各種物質(zhì)之間的轉(zhuǎn)換，而完成此問(wèn)轉(zhuǎn)換的主要部分就是綠色植物的葉片，因此植被葉片的密度、分布等等因素直接影響著周?chē)肌⒌?、氧、水等元素之間的循環(huán)。通過(guò)對(duì)植被葉片的定量描述可以直接反映出當(dāng)?shù)氐纳鷳B(tài)環(huán)境是否平衡，植被葉片的定量分析研究主要是研究葉面積指數(shù)，而冠層孔隙度是計(jì)算林冠葉面積指數(shù)的重要參數(shù)之一。因此對(duì)于森林冠層孔隙度的研究能夠直接反映生態(tài)是否平衡。
　　在獲取冠層孔隙度圖像時(shí)本文使

2、用的是魚(yú)眼鏡頭，由于魚(yú)眼鏡頭圖像一般存在畸變，因此在研究圖像之前要先對(duì)圖像的即便進(jìn)行矯正。首先先對(duì)魚(yú)眼鏡頭攝像機(jī)進(jìn)行標(biāo)定，通過(guò)計(jì)算攝像機(jī)內(nèi)部參數(shù)，利用畸變系數(shù)特性對(duì)攝像機(jī)獲取圖像時(shí)進(jìn)行畸變校正。本研究提出使用4角鄰域模板法對(duì)Susan算子進(jìn)行改進(jìn)，使用4角鄰域模板對(duì)圖像進(jìn)行掃描，如果為平坦區(qū)域，那么灰度跳變次數(shù)為0，如果是邊緣點(diǎn)，那么跳變次數(shù)為2，如果是角點(diǎn)，那么跳變次數(shù)大于等于2，如果為噪聲點(diǎn)，因?yàn)槭枪铝Ⅻc(diǎn)，所以跳變次數(shù)為0。所以當(dāng)跳

3、變次數(shù)大于等于2時(shí)，再利用Susan算子進(jìn)行檢測(cè)。
　　對(duì)于森林冠層孔隙度的分割提取，本研究提出了兩類(lèi)分割算法:一種是改進(jìn)的OTSU算法，原理是對(duì)圖像進(jìn)行預(yù)分割，在RGB圖像下提取藍(lán)色分量，提取后的圖像為灰度圖像，根據(jù)天項(xiàng)角和方位角的不同，按照同心環(huán)函數(shù)分成18個(gè)同心圓環(huán)，再按照分扇形模型分成8個(gè)扇形圖像，再將預(yù)分割后的圖像中像素點(diǎn)的灰度值提取出來(lái)，通過(guò)Matlab確定多余邊框像素點(diǎn)的位置，將該位置的像素點(diǎn)灰度值剔除，剩余像素點(diǎn)灰

4、度值信息即為目標(biāo)區(qū)域的灰度值，求得這組數(shù)據(jù)類(lèi)間最大方差時(shí)的閾值;第二種是灰度圖像下的基于標(biāo)準(zhǔn)模板的閾值算法，先在闊葉林附近的開(kāi)闊天空拍攝一幅圖像，對(duì)闊葉林拍攝3幅圖像，在針葉林附近拍攝一副空曠天空?qǐng)D像，對(duì)針葉林拍攝3幅圖像，分別對(duì)兩幅開(kāi)闊天空?qǐng)D像灰度化，并將其灰度值求平均后作為標(biāo)準(zhǔn)模版閾值，然后將待測(cè)圖像中所有點(diǎn)與標(biāo)準(zhǔn)模版閩值做差值比較，則最終分割閾值為所有差值求和的平均值。將差值小于平均值的點(diǎn)分割提取出來(lái)即可得到森林冠層分割提取圖像，