【摘要】：葉面積指數(shù)(Leaf Area Index,LAI)是森林冠層的重要結(jié)構(gòu)參數(shù),與森林生態(tài)系統(tǒng)中的許多生物和物理過程有關(guān)。在LAI測量方法中,半球攝影法(Digital Hemispherical Photography,DHP)以其簡單、快速、通用性強、非破壞性,成為使用最廣泛的方法之一。但是這種方法仍存在一些技術(shù)難題,其中一個關(guān)鍵點便是對森林冠層圖像的分割。由于圖像分割是DHP中進行圖像分析的第一步,因此分割的準(zhǔn)確性將嚴(yán)重影響后續(xù)數(shù)據(jù)處理以及LAI的計算結(jié)果。鑒于此,本論文對森林冠層半球圖像的分割方法進行了相關(guān)研究,主要研究內(nèi)容如下:針對林冠半球圖像中非成像像素對分割的影響,本文提出一種基于圓形霍夫變換(Circular Hough Transform,CHT)的有效成像區(qū)域提取算法。首先使用最小誤差法來分割林冠圖像,然后運用數(shù)學(xué)形態(tài)學(xué)方法獲得邊界點,最后利用CHT處理邊界點得到成像區(qū)域的圓形參數(shù),進而提取出林冠半球圖像的有效成像區(qū)域。該方法使得后續(xù)處理不必再考慮非成像像素,利于進行圖像分割。針對森林冠層半球圖像的復(fù)雜性,引入馬爾科夫隨機場(Markov Random Field,MRF)圖像分割方法對其進行分割。將該方法與傳統(tǒng)算法(Otsu算法、三維Otsu算法、最大熵法、K均值聚類算法、模糊C均值聚類算法)進行了圖像分割對比實驗。實驗表明,該方法分割效果良好。為進一步提高MRF圖像分割方法在應(yīng)用于林冠半球圖像時的分割精度,提出一種改進的MRF林冠半球圖像分割方法。首先構(gòu)造了與真實分布近似的概率分布模型,將其應(yīng)用于觀測場,使觀測場模型符合圖像真實信息,進而得到更有效的分割結(jié)果。然后通過提出的全局優(yōu)化算法,來獲得更加優(yōu)化的分割結(jié)果。最后使用去反光后處理算法來識別反光像素,并對其矯正,從而抑制了反光現(xiàn)象對圖像分割的影響。實驗結(jié)果顯示,以上改進均提高了算法的分割精度。以本文提出的圖像分割方法為核心,搭建了森林冠層圖像采集與處理系統(tǒng),并完成了對分割方法的具體實現(xiàn)。通過180°的魚眼攝像頭來采集林冠圖像,并使用安裝了OpenCV庫的樹莓派開發(fā)平臺來實現(xiàn)對圖像的分割,采用7寸觸摸屏來進行人機交互操作及顯示處理結(jié)果。該系統(tǒng)具有低成本、體積小易移動、高集成度、操作方便等優(yōu)點,有一定的實際應(yīng)用價值。
【圖文】：

半球圖像可以涵蓋０？９０°全方位的天頂角，包含十分豐富的林冠信息。但是，魚眼鏡頭逡逑為獲得大范圍視角而被設(shè)計成特殊的投影關(guān)系，導(dǎo)致成像區(qū)域變?yōu)閳A形。魚眼圖像成像逡逑模型如圖２－１所示，魚眼鏡頭可以簡化看作一個半球體，０？９０°的光線都會投影到一個逡逑圓上。其中，，９０°光線投影到邊緣上，小于９０°的光線投影到圓內(nèi)，由此形成一個圓形逡逑的成像區(qū)域。逡逑魚眼鏡頭邋Ｊ逡逑——＾＾４５。光線逡逑９0°光線邐１＾）逡逑成像卜：域逡逑圖２－１魚眼圖像成像模型逡逑由于成像區(qū)域是圓形的而底片是矩形的，所以林冠半球圖像中存在著大量的非成像逡逑像素。圖２－２是在森林中采集的半球圖像，其中圓形成像區(qū)域外的黑色像素就是非成像逡逑像素。因為本論文所研究的是林冠半球圖像分割算法，其目標(biāo)是獲得成像區(qū)域屮的夭空逡逑部分和冠層部分，所以需要提取成像區(qū)域以去除非成像像素對分割算法的影響。逡逑圖２－２森林冠層半球圖像逡逑由于成像區(qū)域足規(guī)則的圓形，Ｗ此提S緯上瘢擻蛑�；ＡP橐竦茫嗽殘偽囈緄牟問ǎ桑停卞義閑腛啽旰桶刖叮┘純傘４油跡玻倉鋅梢鑰闖觶上袂虻腦殘暮駝?wù)片掉[行牟⒉恢睪�，辶x希峰澹義

本文編號：2616211