森林冠層孔隙度提取方法研究.pdf

1、植被通過光合作用、呼吸作用、蒸騰作用等生物機能完成各種物質(zhì)之間的轉(zhuǎn)換，而完成此問轉(zhuǎn)換的主要部分就是綠色植物的葉片，因此植被葉片的密度、分布等等因素直接影響著周圍碳、氮、氧、水等元素之間的循環(huán)。通過對植被葉片的定量描述可以直接反映出當?shù)氐纳鷳B(tài)環(huán)境是否平衡，植被葉片的定量分析研究主要是研究葉面積指數(shù)，而冠層孔隙度是計算林冠葉面積指數(shù)的重要參數(shù)之一。因此對于森林冠層孔隙度的研究能夠直接反映生態(tài)是否平衡。
　　在獲取冠層孔隙度圖像時本文使

2、用的是魚眼鏡頭，由于魚眼鏡頭圖像一般存在畸變，因此在研究圖像之前要先對圖像的即便進行矯正。首先先對魚眼鏡頭攝像機進行標定，通過計算攝像機內(nèi)部參數(shù)，利用畸變系數(shù)特性對攝像機獲取圖像時進行畸變校正。本研究提出使用4角鄰域模板法對Susan算子進行改進，使用4角鄰域模板對圖像進行掃描，如果為平坦區(qū)域，那么灰度跳變次數(shù)為0，如果是邊緣點，那么跳變次數(shù)為2，如果是角點，那么跳變次數(shù)大于等于2，如果為噪聲點，因為是孤立點，所以跳變次數(shù)為0。所以當跳

3、變次數(shù)大于等于2時，再利用Susan算子進行檢測。
　　對于森林冠層孔隙度的分割提取，本研究提出了兩類分割算法:一種是改進的OTSU算法，原理是對圖像進行預分割，在RGB圖像下提取藍色分量，提取后的圖像為灰度圖像，根據(jù)天項角和方位角的不同，按照同心環(huán)函數(shù)分成18個同心圓環(huán)，再按照分扇形模型分成8個扇形圖像，再將預分割后的圖像中像素點的灰度值提取出來，通過Matlab確定多余邊框像素點的位置，將該位置的像素點灰度值剔除，剩余像素點灰

4、度值信息即為目標區(qū)域的灰度值，求得這組數(shù)據(jù)類間最大方差時的閾值;第二種是灰度圖像下的基于標準模板的閾值算法，先在闊葉林附近的開闊天空拍攝一幅圖像，對闊葉林拍攝3幅圖像，在針葉林附近拍攝一副空曠天空圖像，對針葉林拍攝3幅圖像，分別對兩幅開闊天空圖像灰度化，并將其灰度值求平均后作為標準模版閾值，然后將待測圖像中所有點與標準模版閩值做差值比較，則最終分割閾值為所有差值求和的平均值。將差值小于平均值的點分割提取出來即可得到森林冠層分割提取圖像，