集的圖像進(jìn)行林區(qū)提取和分析，判斷林區(qū)圖像中 是否有病蟲害區(qū)域，如果有則對其進(jìn)行分級判斷，并發(fā)送預(yù)警信息至電腦終端。
[0126] 圖9是本發(fā)明的森林病蟲害監(jiān)測預(yù)警系統(tǒng)軟件部分的模塊結(jié)構(gòu)圖。如圖9所示， 該監(jiān)測預(yù)警系統(tǒng)包括：
[0127] 圖像采集單元，用于通過無人機(jī)上搭載的攝像機(jī)拍攝林區(qū)圖像；
[0128] 圖像預(yù)處理單元，用于對所述圖像采集單元采集到的圖像進(jìn)行前期預(yù)處理，W改 善圖像數(shù)據(jù)，增強(qiáng)圖像特征；
[0129] 林區(qū)定位單元，通過改進(jìn)的模糊C-均值算法對林區(qū)圖像進(jìn)行圖像分割，確定圖像 中林區(qū)的位置；
[0130] 蟲災(zāi)定位單元，通過基于混合模板的標(biāo)記分水嶺算法對林區(qū)圖像進(jìn)行分割，確定 圖像中蟲災(zāi)區(qū)域的位置；
[0131] 蟲災(zāi)分級單元，在確定蟲災(zāi)區(qū)域位置的基礎(chǔ)上，結(jié)合地面調(diào)查數(shù)據(jù)對所述蟲災(zāi)區(qū) 域的蟲災(zāi)程度進(jìn)行分級。其中，所述蟲災(zāi)分級單元還包括：蟲災(zāi)等級數(shù)據(jù)庫，記錄通過人工 調(diào)查方式得到的各個(gè)區(qū)域的蟲災(zāi)等級數(shù)據(jù)；預(yù)警單元，用于當(dāng)蟲災(zāi)等級超過闊值時(shí)發(fā)出報(bào) 警信息。
[0132] 綜上所述，本發(fā)明提出的基于無人機(jī)圖像分析技術(shù)的森林病蟲害監(jiān)測預(yù)警方法及 其系統(tǒng)，可W通過無人機(jī)搭載攝像機(jī)、GI^S記錄儀等設(shè)備拍攝錄制指定林區(qū)的航拍圖片、影 像等資料，將其傳輸至監(jiān)測預(yù)警平臺(tái)中，通過平臺(tái)對所得到的圖像進(jìn)行圖像處理，包括圖像 配準(zhǔn)、拼接和增強(qiáng)等，提取圖像特征，對圖像進(jìn)行分類，從而實(shí)現(xiàn)對林區(qū)病蟲災(zāi)害區(qū)域的定 位及病蟲害分級和預(yù)警等功能，滿足對林區(qū)病蟲害情況及時(shí)、全面、高效的監(jiān)測和預(yù)警的需 求。
[0133] 最后應(yīng)說明的是；W上實(shí)施例僅用W說明本發(fā)明的技術(shù)方案，而非對其限制；盡 管參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解；其依然 可w對前述實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換； 而該些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明實(shí)施例技術(shù)方案的精神和范 圍。
【主權(quán)項(xiàng)】
1. 一種基于無人機(jī)圖像分析的森林病蟲害監(jiān)測預(yù)警方法，其特征在于，包括以下步 驟： 51 :通過無人機(jī)上搭載的攝像機(jī)拍攝林區(qū)圖像； 52 :對所述圖像采集單元采集到的圖像進(jìn)行前期預(yù)處理，以改善圖像數(shù)據(jù)，增強(qiáng)圖像特 征； 53 :通過改進(jìn)的模糊C-均值算法對林區(qū)圖像進(jìn)行圖像分割，確定圖像中林區(qū)的位置； S4:通過基于混合模板的標(biāo)記分水嶺算法對林區(qū)圖像進(jìn)行分割，確定圖像中蟲災(zāi)區(qū)域 的位置； S5 :在確定蟲災(zāi)區(qū)域位置的基礎(chǔ)上，結(jié)合地面調(diào)查數(shù)據(jù)對所述蟲災(zāi)區(qū)域的蟲災(zāi)程度進(jìn) 行分級。2. 根據(jù)權(quán)利要求1所述的森林病蟲害監(jiān)測預(yù)警方法，其特征在于，步驟Sl中通過無人 機(jī)航線往返掃描的方式來拍攝圖像，圖像間的數(shù)據(jù)重疊度70%。3. 根據(jù)權(quán)利要求1所述的森林病蟲害監(jiān)測預(yù)警方法，其特征在于，步驟S3中所述改進(jìn) 的模糊C-均值算法包括以下步驟： al :聚類初始化 對于η個(gè)向量Xi組成的有限數(shù)據(jù)集合X = Ix i，x2, V xn}，其中η為自然數(shù)，給定初 始聚類中心集合V = {vQ, V1-VlriK初始迭代次數(shù)k = 0,聚類數(shù)目為c(l〈c〈n)，加權(quán)指數(shù) m(m>0)，最大迭代次數(shù)T，終止條件閾值ε ; a2:求取X的隸屬函數(shù)矩陣U(k)= {Ui/k)}，其中i，j為圖像像素點(diǎn)的空間位置，Uij為 隸屬度值； 對于任意的自然數(shù)i和r，當(dāng)Cli嚴(yán)> 0時(shí)其中dir為歐式距離 測度；對隸屬度值進(jìn)行拉伸處理，得到拉伸的隸屬度函數(shù)：其中X為隸屬度值uik; a3 :求取更新的聚類中心集合V(k+1)a4 :判斷聚類結(jié)束條件， 如果I I V(k)_V(k+1) I I〈 ε或k>T，則停止，否則令k = k+Ι，轉(zhuǎn)向步驟a2。4. 根據(jù)權(quán)利要求1所述的森林病蟲害監(jiān)測預(yù)警方法，其特征在于， 所述基于混合模板的標(biāo)記分水嶺算法是在標(biāo)記分水嶺算法的基礎(chǔ)上，利用田字模板算 子和改進(jìn)模板算子組成混合模板，通過求解兩者的均值來計(jì)算圖像中像素點(diǎn)的梯度信息； 其中 所述田字模板算子為：所述改進(jìn)模板算子為：計(jì)算像素點(diǎn)梯度值：上式中P為微分階數(shù)，A為原始圖像的像素值矩陣。5. 根據(jù)權(quán)利要求4所述的森林病蟲害監(jiān)測預(yù)警方法，其特征在于，步驟S4包括： 基于混合模板計(jì)算各像素點(diǎn)的梯度值并排序； 進(jìn)行圖像泛濫，標(biāo)記像素點(diǎn)，得到初始分類結(jié)果； 顏色空間轉(zhuǎn)換至LUV，更新像素點(diǎn)標(biāo)記，得到二次分類圖像并合并區(qū)域顏色均值； 將標(biāo)記信息不變的像素點(diǎn)標(biāo)記為分水嶺，作為圖像分割邊界。6. -種基于無人機(jī)圖像分析的森林病蟲害監(jiān)測預(yù)警系統(tǒng)，其特征在于，包括： 圖像采集單元，用于通過無人機(jī)上搭載的攝像機(jī)拍攝林區(qū)圖像； 圖像預(yù)處理單元，用于對所述圖像采集單元采集到的圖像進(jìn)行前期預(yù)處理，以改善圖 像數(shù)據(jù)，增強(qiáng)圖像特征； 林區(qū)定位單元，通過改進(jìn)的模糊C-均值算法對林區(qū)圖像進(jìn)行圖像分割，確定圖像中林 區(qū)的位置； 蟲災(zāi)定位單元，通過基于混合模板的標(biāo)記分水嶺算法對林區(qū)圖像進(jìn)行分割，確定圖像 中蟲災(zāi)區(qū)域的位置； 蟲災(zāi)分級單元，在確定蟲災(zāi)區(qū)域位置的基礎(chǔ)上，結(jié)合地面調(diào)查數(shù)據(jù)對所述蟲災(zāi)區(qū)域的 蟲災(zāi)程度進(jìn)行分級。7. 根據(jù)權(quán)利要求6所述的森林病蟲害監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述改進(jìn)的模糊 C-均值算法包括以下步驟： al :聚類初始化 對于η個(gè)向量Xi組成的有限數(shù)據(jù)集合X = {x i，x2, V xn}，其中η為自然數(shù)，給定初 始聚類中心集合V = {vQ, V1-VlriK初始迭代次數(shù)k = 0,聚類數(shù)目為c(l〈c〈n)，加權(quán)指數(shù) m(m>0)，最大迭代次數(shù)T，終止條件閾值ε ; a2 :求取X的隸屬度矩陣U(K)= {Uij(K)}，其中i，j為自然數(shù)，Uij為隸屬度值； 對于任意的自然數(shù)i和r，當(dāng)Cli嚴(yán)> 0日其中dir為歐式距離 測度；對隸屬度值進(jìn)行拉伸處理，得到拉伸的隸屬度函數(shù)：其中X為隸屬度值Uik; a3 :求取更新的聚類中心集合V(k+1)a4 :判斷聚類結(jié)束條件 如果I I V(k)_V(k+1) I I〈 ε或k>T，則停止，否則令k = k+Ι，轉(zhuǎn)向步驟a2。8.根據(jù)權(quán)利要求6所述的森林病蟲害監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述基于混合模板 的標(biāo)記分水嶺算法是在標(biāo)記分水嶺算法的基礎(chǔ)上，利用田字模板算子和改進(jìn)模板算子組成 混合模板，通過求解兩者的均值來計(jì)算圖像中像素點(diǎn)的梯度信息；其中 所述田字模板算子為：所述改進(jìn)模板算子為：計(jì)算像素點(diǎn)梯度值：上式中P為微分階數(shù)，A為原始圖像的像素值矩陣。9. 根據(jù)權(quán)利要求8所述的森林病蟲害監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述基于混合模板 的標(biāo)記分水嶺算法包括如下步驟： 基于混合模板計(jì)算各像素點(diǎn)的梯度值并排序； 進(jìn)行圖像泛濫，標(biāo)記像素點(diǎn)，得到初始分類結(jié)果； 顏色空間轉(zhuǎn)換至LUV，更新像素點(diǎn)標(biāo)記，得到二次分類圖像并合并區(qū)域顏色均值； 將標(biāo)記信息不變的像素點(diǎn)標(biāo)記為分水嶺，作為圖像分割邊界。10. 根據(jù)權(quán)利要求1所述的森林病蟲害監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述蟲災(zāi)分級單元 還包括： 蟲災(zāi)等級數(shù)據(jù)庫，記錄通過人工調(diào)查方式得到的各個(gè)區(qū)域的蟲災(zāi)等級數(shù)據(jù)； 預(yù)警單元，用于當(dāng)蟲災(zāi)等級超過閾值時(shí)發(fā)出報(bào)警信息。
【專利摘要】本發(fā)明公開一種基于無人機(jī)圖像分析的森林病蟲害監(jiān)測預(yù)警方法，包括以下步驟：S1：通過無人機(jī)上搭載的攝像機(jī)拍攝林區(qū)圖像；S2：對所述圖像采集單元采集到的圖像進(jìn)行前期預(yù)處理，以改善圖像數(shù)據(jù)，增強(qiáng)圖像特征；S3：通過改進(jìn)的模糊C-均值算法對林區(qū)圖像進(jìn)行圖像分割，確定圖像中林區(qū)的位置；S4：通過基于混合模板的標(biāo)記分水嶺算法對林區(qū)圖像進(jìn)行分割，確定圖像中蟲災(zāi)區(qū)域的位置；S5：在確定蟲災(zāi)區(qū)域位置的基礎(chǔ)上，結(jié)合地面調(diào)查數(shù)據(jù)對所述蟲災(zāi)區(qū)域的蟲災(zāi)程度進(jìn)行分級。本發(fā)明通過無人機(jī)搭載攝像機(jī)拍攝指定林區(qū)的圖片等資料，實(shí)現(xiàn)對林區(qū)病蟲災(zāi)害區(qū)域的定位及病蟲害分級和預(yù)警等功能，能滿足對林區(qū)病蟲害情況及時(shí)、全面、高效的監(jiān)測和預(yù)警的需求。
【IPC分類】G06K9/62, G06T7/00
【公開號】CN104881865
【申請?zhí)枴緾N201510212888
【發(fā)明人】劉文萍, 駱有慶
【申請人】北京林業(yè)大學(xué)
【公開日】2015年9月2日
【申請日】2015年4月29日