林业无人机图像虫害区域检测算法研究

发布时间：2021-01-21 14:12

　　森林虫害对林业生产和生态环境造成巨大危害,为解决虫害区域检测问题,本文利用无人机拍摄高分辨率林业虫害图像,对林区图像进行分割并提取虫害区域。针对受沙棘木蠹蛾侵害的沙棘正射图像,提出一种基于粒子群优化和马氏距离的二型模糊聚类算法;针对受松材线虫或红脂大小蠹侵害的松林航拍图像,采用基于线性谱聚类超像素的方法检测枯死树;为精确地分割林区无人机图像中的不同地物,提出一种基于超像素和超度量轮廓图的层次分割算法。针对受松材线虫与受红脂大小蠢侵害的松林无人机图像,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于受害后枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。实验结果表明,基于线性谱聚类超像素的虫害区域检测方法可较准确地提取出枯死树木,实现松林中虫害区域的快速、准确检测及定位,有效保护森林资源。针对林区无人机图像中的不同地物分割,首先对图像进行线性谱聚类,生成超像素;然后根据颜色直方图特征计算超像素区域间的不相似度;再结合层次分... 

【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

图３．２受沙棘木蠢蛾侵害的沙棘无人机正射图像（２０１５．７）??

ｂ．受松材线虫侵害的林像??ｂ．?Ｉｍａｇｅｓ?ｏｆ?ｆｏｒｅｓｔｓ?ａｆｆｅｃｔｅｄ?ｂｙ?Ｂｕｒｓａｐｈｅｌｅｎｃｈｕｓ?ｘｙｌｏｐｈｉｌｕｓ??图３．８基于线性谱聚类的超像素分割??Ｆｉｇｕｒｅ?３．８?Ｓｕｐｅｒｐｉｘｅｌ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｏｆ?ｌｉｎｅａｒ?ｓｐｅｃｔｒａｌ?ｃｌｕｓｔｅｒｉｎｇ??基于红色比重对图３．８ａ、图３．８ｂ左图进行超像素提取，并用白色矩形框在原图??中框出红色区域的结果如图３．９所示，除一两株树冠面积过小的红色区域外，所有的??红色枯死树均被检测出来，而且没有深绿色的非枯死树被错误标记，因此基于红色比??重提取超像素的枯死树检测方法能提取出受红脂大小蠹或松材线虫侵害的枯死松树。??ＨＢＨＩ??ａ．受红脂大小蠢侵害的林区图像??ａ．?Ｉｍａｇｅｓ?ｏｆ?ｆｏｒｅｓｔｓ?ａｆｆｅｃｔｅｄ?ｂｙ?Ｄｅｎｄｒｏｃｔｏｎｕｓ?ｖａｌｅｎｓ??■ｔｉｍ??①枯死树？裸地？房顶??①?Ｄｅａｄ?ｔｒｅｅ?？?Ｂａｒｅ?ｌａｎｄ?？?Ｒｏｏｆ??ｂ．受松材线虫侵害的林区图像??ｂ．?Ｉｍａｇｅｓ?ｏｆ?ｆｏｒｅｓｔｓ?ａｆｆｅｃｔｅｄ?ｂｙ?广；＾／ｃ？／７／ｎ７ｗｊ??

?林业无人机图像虫害区域检测算法研究???于线性谱聚类生成的超像素对边缘倍息敏感，而且基于纹理特征的支持向量机能很好??地区分枯死树和其他干扰物。图３．１１实验结果表明，对同一图像应用三种不同方法，??本文方法的枯死树检测结果最佳。??ａ?ｂ?ｃ?ｄ??


本文编号：2991308