基于圖像處理技術的植被半球圖像孔隙度提取

宋文龍，徐 飛，宋佳音

(東北林業大學機電工程學院，哈爾濱150040)

冠層孔隙度是森林冠層結構特征參數之一，森林冠層結構對生態學和水文學產生高度影響一直受到國內外學者的高度關注［1－2］。其他的結構參數如葉面積指數、冠層蓋度 (郁閉度)、葉面積等可以通過孔隙度計算得到［3］，因此孔隙度參數的提取至關重要。

目前冠層孔隙度的數據主要是通過處理冠層圖像提取，冠層圖像主要有兩類，一是天空遙感圖像，二是地面半球圖像，處理遙感圖像主要是ENVI系列軟件，由于遙感圖像的獲取經濟成本較高而且針對大面積的森林冠層拍攝受到分辨率1等因素的制約精度難于保證。因此國外涌現出大量的光學設備拍攝半球圖像，配套的處理軟件有Win－SCANOPY 2004a、TRAC、CI － 110，Hemiview等［4］，但是上述軟件仍然存在模型假設以及特定算法局限性帶來的誤差［5－6］，存在改進空間，因此本文提出基于Matlab聯合AutoCAD及Photoshop的圖像處理新方法，處理帽兒山樣地內13個樣點的半球圖像提取孔隙度與TRAC軟件數據進行對比，相關度較高說明方案可行，為今后國內自主研發相關軟件提供技術支持。

1 圖像數據來源

本文處理的半球圖像共計13張，JPG格式，來源于東北林業大學帽兒山林場實驗樣地，設備采用WinSCANOPY 2006，設備包括800萬像素相機、1G內存卡、180度魚眼鏡頭、自動平衡裝置、遮陽板及可拆卸手柄并配有指北系統。

以180°視場角從下往上拍照，完整地記錄各個天空方向。通過自動平衡裝置使魚眼鏡頭中心軸正對天頂，保證天頂角θ測量正確。自動平衡裝置上配有指北針和兩個通過光纖與相機曝光窗口相連的指示燈，這兩個指示燈將在魚眼照片的邊緣(180°天頂角)成像，指示磁北方向，保證方位角α測量正確。測量單元為25 m×25 m大小的樣方。拍攝時間選擇在早晨，拍攝時盡最避免太陽直射光線進入鏡頭。將相機固定在離地高lm的三腳架上，使鏡頭垂直向上，在不同樣點獲取的13張半球圖像以JPG格式存儲在內存片中。

2 圖像數據處理

通過數碼相機拍攝獲取的原始數據為數字彩色圖像 (如圖1所示)，為更加精確提取孔隙度數據需對提取的半球圖像需經過圖像處理，本研究對樣地13個不同樣點提取出的13張半球圖像運用MATLAB軟件的圖像處理功能，將原始圖像處理為只包含“天空”和“葉片”的二值化圖像。之后運用AutoCad2008軟件對處理后的圖像沿鏡頭邊緣分割，并分解為以鏡頭中心為圓心的等距同心環，將分割好的圖像導入Photoshop 7.0軟件，運用直方圖功能計算孔隙度［7－10］。圖像處理基本流程如圖2所示。

圖1 原始采集圖像Fig.1 Original image

2.1 圖像灰度化

圖2 圖像處理流程Fig.2 Image processing process

對原始半球圖像進行灰度化，獲得由背景和林間葉片組成的灰度圖像。建立直方圖反映圖像中不同灰度級別的像素出現的頻率。理想情況下，直方圖中天空和葉片在灰度級上會因同性質而形成倆個峰。在圖像二值化過程之中，具有此直方圖的灰度圖像易將植物冠層和天空區分。然而，由于攝影環境是在林間，光線不均、葉片反光、葉片透射等因素使得背景中雜亂信息較多，通常情況下很難得到明顯的雙峰圖像。在以往研究中發現，在可見光波段中，綠色植物吸收紅綠光較藍光更弱，在林間冠層中藍色光的反射現象和透射現象較少。由于這種特性，在圖像紅、綠、藍三個顏色分量中，藍色分量能夠更加明顯的區分葉片與天空。因此，在圖像灰度化過程中選取藍光分量作為特征值，在直方圖中藍光波段中的倆個峰更集中，峰之間的谷更加明顯，便于對葉片和背景進行分割［11－16］。

2.2 圖像二值化

對處理后的灰度圖像進行二值化處理，根據其不同象元的灰度值大小，將圖像劃分為只包含0和1灰度值的圖像 (如圖3所示)。通過二值化處理可明顯區分“葉片”和“背景”兩種像元，在二值化過程中合適閾值的選取非常關鍵。

圖3 二值化圖像Fig.3 Binary image

2.2.1 閾值的設定

將已處理好的二值圖像打開，首先設定最小閾值，使分類圖像與原圖像能夠明顯區分。在本研究中將最小閾值設定為60，通過相同的方法，將最大閾值設定為190。從最小閾值開始每間隔10對閾值進行一次設定，通過此方法獲取一系列不同閾值的分類圖像。通過移動窗口在分類圖像和原圖像間移動，共移動10次，對每次移動窗口獲取的窗口平均亮度值進行記錄，并計算出分類圖像和原圖像10次的平均亮度值。對原圖像與分類圖像亮度值進行比較 (如圖4所示)，誤差最小的所在閾值為最佳閾值。通過實驗對比，界定最佳分類閾值為150.閾值的選擇對孔隙度計算有非常大的影響，圖5可以看出閾值逐漸增加，亮度逐漸降低，林冠孔隙度逐漸降低。不同天氣對于閾值的選擇影響也非常明顯，對晴天與陰天的對比發現，最佳閾值的選取晴天要更大。

圖4 原圖像亮度值與不同閾值下分類圖像亮度值的平均誤差Fig.4 The average error of the brightness values between the original image and the images under different threshold classifications

圖5 不同閾值條件下孔隙度變化Fig.5 Changes of porosity under the condition of different thresholds

2.3 去噪處理

在林間對冠層圖像獲取時，由于背景信息雜亂，處理圖像中易產生椒鹽噪聲，處理后的二值圖像中經常會存在一些孤立的象元，所以除去椒鹽噪聲十分必要。本研究通過中值濾波法處理二值圖像。此方法在消除椒鹽噪聲或點上效果非常明顯，在保留了大于變換核的同時平滑圖像。為提高冠層孔隙度提取的精度，關鍵在于變換核的選擇，如果變換核過大很容易除去面積較小的空隙，而變換核過小又達不到對噪聲消除的效果，從而影響提取出孔隙度的精度。在經過研究實驗，選取5×5的變換核精度較高，中值濾波效果見圖6。

圖6 濾波去噪圖像Fig.6 Filtering denoising of image

3 孔隙度提取

3.1 基于不同視角孔隙度提取

由研究發現，林間冠層孔隙度與光線入射角度有關。在相同的冠層下，入射角度改變孔隙度也將發生變化。天頂角和方位角決定入射角度，由于冠層結構在整體方位上的對稱性，所以入射角度的天頂角決定了孔隙度的大小。

半球圖像視角范圍為180°，本研究運用Auto－Cad2008軟件將已處理的圖像沿鏡頭邊緣進行分割，以冠層半球圖像中心點為圓心將圖像分割為n個等距的同心圓環，每個圓環與一個角度為90/n的視角區間相對應，如圖7所示。

由于視角區間是一個范圍，在實際計算中取視角范圍的中間值作為該環的視角值進行計算。利用Photoshop 7.0圖像處理軟件的魔術棒功能，在直方圖中分別統計每個環背景象元和葉片象元的數量，計算冠層孔隙度公式如下:

式中:T(θ)是θ視角下的背景下的冠層孔隙度，Nl(θ)是θ視角下的葉片像素數量，Ns(θ)是θ視角(天空或土壤)像素數量。計算獲得每個環的冠層孔隙度值后求平均值為整體半球圖像冠層孔隙度。13個樣點不同視角孔隙度數據見表1。

表1 不同視角孔隙度及總孔隙度Tab.1 Different perspectives of porosity and total porosity

半球冠層圖像上包含0°～90°天頂角的孔隙度信息，為提高孔隙度值的精確度，增加求取值的穩定性，則在孔隙度數據提取中需將圖像分割為n個等距的同心圓環，獲取對應不同視角的n個孔隙度值。n的選取值越大視角分辨率越高，視角分辨率越高提取的孔隙度可利用值越多，孔隙度值穩定性更高。但如果視角分辨率過高，單個環像素點數量較少，在圖像處理中背景象元個數的較小變化也會對孔隙度產生較大影響［18－21］。

半球圖像劃分環數的不同，對于求取數據的穩定性產生影響，孔隙度值也會不同。本研究通過實驗將圖像劃分 (n=1，2，3，4，5，，6，7)個環，得到對應的7種視角分辨率。從計算出的數據來看，除n=1，2，3數據不穩定，n取其他三個值較接近，都可表示出冠層特性。但n取值過大，在圖像分析時需花費更加大量的處理計算時間，，為在數據精度和計算效率之間獲得平衡，本研究通過大量實驗，選取n=5個環的視角分辨率最為實際可行［18］。

3.2 與TRAC儀器處理的數據比較

TRAC為國內認可的對于冠層孔隙度提取數值精度較高的一種植被數據分析設備。將TRAC測取冠層孔隙度作為真值，對TRAC儀器與半球圖像法測取的孔隙度數據進行對比 (見表2)發現，半球圖像法處理后提取的帽兒山林冠層孔隙度偏大，誤差值均值小于5%。通過實驗對倆種方法提取的數據進行擬合分析 (如圖8所示)，相關系數R=0.81，決定系數R2=0.656，二者相關性較高，擬合效果理想。則通過TRAC儀器獲取的數據可以對半球圖像法計算出的數據進行校正，從而使數值更加精確。通過實驗數據分析得出，此方法可以作為冠層孔隙度數據測取的一種實用方法。

表2 半球圖像法與TRAC測取數據誤差值分析Tab.2 Hemispherical image method and error analysis of TRAC measured data

圖8 半球圖像法與TRAC相關性分析Fig.8 Hemispherical image method and TRAC correlation analysis

4 結論與討論

本研究運用圖像處理技術對帽兒山林場試驗樣地獲取的半球圖像進行處理，計算冠層孔隙度。在圖像數據處理中發現，閾值的選擇對圖像分類影響非常顯著，繼而影響冠層孔隙度的計算。通過實驗得出最佳閾值為150。為提高冠層孔隙度提取精度，將半球圖像以不同視角分成n個同心環，取均值求取冠層孔隙度值。為在數據精度和計算效率之間獲得平衡，本研究通過實驗，得出取5個環的視角分辨率最為實際可行。在與TRAC儀器處理的數據進行比較，發現倆種方法估算孔隙度有一定的差異，但與半球圖像法獲取數據值擬合度較高，可以對半球圖像法獲取數據進行校正以提高精度。通過半球圖像法可為反演森林生態系統的重要結構參數提供一種新型方法，為今后研發國內監測設備提供技術支持。

［1］常學向，趙愛芬，工金葉，等.祁連山林區大氣降水特征與森林對降水的截留作用［J］.高原氣象，2002，21(3):274 －280.

［2］劉家岡，萬國良，張學培，等.林冠對降雨截留的半理論模型［J］.林業科學，2000，36(2):2 －5.

［3］雷相東，張則路，陳曉光.長白落葉松等幾個樹種冠幅預測模型的研究［J］.北京林業人大學學報，2006，28(6):75 －79.

［4］唐世浩，朱啟疆，周宇宇，等.一種簡單的估算植被覆蓋度和恢復背景信息的方法［J］.中國圖像圖形學報，2003，8(11):1304 －1308.

［5］常宗強，王金葉，常學向，等.祁連山水源涵養林枯枝落葉層水文生態功能［J］.西北林學院學報，2001，16(S1):8 －13.

［6］李德志，威潤國.森林冠層結構與功能及其時空變化研究進展［J］.世界林業研究，2004，17(3):12 －16.

［7］崔啟武，朱勁偉.林冠的結構和光的分布—光的透射和反射理論［J］.地理學報，1981，36(2):196 一208.

［8］馮益明，李增元，張 旭.基于高空間分辨率影像的林分冠幅估計［J］.林業科學，2006，42(5):110 －113.

［9］熊軼群，吳健平.基于高分辨率遙感圖像的樹冠面積提取方法［J］.地理與地理信息科學，2007.23(6):30 －33.

［10］ Lang K，Hu N，Lu C，Huang F.Advances in canopy structure parameters retrieval using hemispherical photography［J］.Journal of Nanjing Institute Meteorology，2008，31(1):139－144.

［11］ Ma Z，Liu Q，Zeng H，et al.Estimation of leaf area index of planted forests in subtropical China by photogrammetry［J］.Acta Ecologica Sinica，2008，28(5):1971－1980.

［12］ Zhao C，Qi J，Shen W，et al.Estimating the canopy coverage of Picea crassifolia forest using digital hemispherical photography in Qilian Mountains［J］.Acta Ecolohgica Sinica，2009，29(8):4196－4205.

［13］ Deng B，Wang S，Li Q.Correlation analysis of breast diameter and crown width in artificial and natural forests mixed by Korean Pine and broadleaved trees［J］.Protection Forest Science and Technology，2003(4):19－20.

［14］李 明，張長利，房俊龍.基于圖像處理技術的小麥葉面積指數的提取［［J］.農業工程學報，2010，26(1):205 －209.

［15］劉婭靜，楊 帆，浦昭邦.基于顏色特征的雜草圖像分割技術研究［J］.微計算機信息，2007，23(63):269 －271.

［16］沈寶國，陳樹人，尹建軍，等.基于顏色特征的棉田綠色雜草圖像識別方法［J］.農業工程學報，2009，25(6):163 －167.

［17］周 旭，常建民.數字國像處理技術用于木材微觀分析的研究概況［J］.森林工程，2008，24(1):28 －33.

［18］姚克敏，胡 凝，呂川根，等.魚眼影像技術反演植被冠層結構參數的研究進展［J］.南京氣象學院學報，2008，31(1):139－144.

［19］趙春江.數字圖像處理算法典型實例［M］.北京:人民郵電出版社，2009.

［20］楊建華，李 麗，張 偉.基于形態學的鋸材表面缺陷圖像處理方法研究［J］.林業機械與木工設備，2012，40(9):18 －20.

［21］孫 鑫，常建民.數學圖像處理技術在木材微觀結構研究中的應用概況［J］.林業機械與木工設備，2010，38(3):14－16.