[发明专利]一种基于高分辨率影像的松树病死木识别方法及系统

说明书

本发明公开了一种基于高分辨率影像的松树病死木识别方法及系统，其通过获取松林可见光图像和近红外图像作为原始影像数据,并对原始影像数据进行预处理形成待分类图像样本；然后对已验证的病虫害树波谱信息分别进行地物颜色特征提取，根据松树病死木的不同阶段状态对地物颜色特征进行分类，并生成训练样本和多条参数规则；再利用训练样本和多条参数规则对待分类图像样本中所有像素点进行地物颜色特征提取；最后对地物颜色特征提取后的待分类图像样本中的样本像素点实施去噪筛选分类，生成对松树病死木状态的分类结果，从而实现对复杂地形条件下不同病害面积、不同病害程度松树病死木高检测精度的识别，且其处理速度快而且极其稳定。

技术领域

本发明涉及一种松树病死木识别方法，尤其涉及一种基于高分辨率影像的松树病死木识别方法及系统。

背景技术

光谱特征法是最常见的病虫害松树识别方法，其依据是当植物受到病虫浸染时生理变化的差异性会反射在光谱特性上，尤其是红色区和近红外区的光谱特性差异。使用光谱仪等成像设备获取反射和辐射的光谱数据信息，在此基础上发现不同波段反射光谱的变化规律。

相对于传统的人工实地调查方法，获取遥感图像中各地物的光谱特征信息识别病害松树，具有识别率高、识别范围广、识别速度快等优点。然而由于受传感器分辨率、卫星运行周期以及大气环境(如光照、温度等)的影响，利用高光谱仪等成像设备所获取的地物光谱特征数据往往不能很好地表征其类型。

从图像处理和模式识别的角度出发，使用支持向量数据描述也是一种病害松树识别方法。其基本步骤是：首先根据不同地物的特点，提取各颜色分量作为相应像素点的颜色特征，然后通过建立关于训练样本中心距离的权重函数来构造加权支持向量数据描述多分类模型，进而从而实现病害松树的分类识别。

支持向量数据描述多分类方法基于图像像素进行分类识别，缺点之一在于需要对大量样本进行训练，因此执行效率较慢；再者，该方法不能实现多级病害松树的识别，比如前期感染、中期感染、后期感染和死亡松树；此外在解决多分类识别问题时具有误判率较高、识别精度相对不高等缺点。

发明内容

针对上述存在的技术问题，本发明的目的是：提出了一种适合复杂地形条件下不同病害面积、不同病害程度的高效准确的基于高分辨率影像的松树病死木识别方法及系统。

本发明提供一种基于高分辨率影像的松树病死木识别方法，其包括：

S1、获取松林可见光图像和近红外图像作为原始影像数据,并对原始影像数据进行预处理形成待分类图像样本；

S2、对已验证的病虫害树波谱信息分别进行地物颜色特征提取，根据松树病死木的不同阶段状态对地物颜色特征进行分类，并生成训练样本和多条参数规则；

S3、利用训练样本和多条参数规则对待分类图像样本中所有像素点进行地物颜色特征提取；

S4、对地物颜色特征提取后的待分类图像样本中的样本像素点实施去噪筛选分类，生成对松树病死木状态的分类结果。

本发明提供一种基于高分辨率影像的松树病死木识别系统，其包括：

图像预处理模块，用于获取松林可见光图像和近红外图像作为原始影像数据,并对原始影像数据进行预处理形成待分类图像样本；

分类训练模块，用于对已验证的病虫害树波谱信息分别进行地物颜色特征提取，根据松树病死木的不同阶段状态对地物颜色特征进行分类，并生成训练样本和多条参数规则；

颜色特征提取模块，用于利用训练样本和多条参数规则对待分类图像样本中所有像素点进行地物颜色特征提取；

去噪分类模块，用于对地物颜色特征提取后的待分类图像样本中的样本像素点实施去噪筛选分类，生成对松树病死木状态的分类结果。