宋文龍，徐 飛，宋佳音

(東北林業(yè)大學(xué)機(jī)電工程學(xué)院，哈爾濱150040)

冠層孔隙度是森林冠層結(jié)構(gòu)特征參數(shù)之一，森林冠層結(jié)構(gòu)對(duì)生態(tài)學(xué)和水文學(xué)產(chǎn)生高度影響一直受到國(guó)內(nèi)外學(xué)者的高度關(guān)注［1－2］。其他的結(jié)構(gòu)參數(shù)如葉面積指數(shù)、冠層蓋度 (郁閉度)、葉面積等可以通過孔隙度計(jì)算得到［3］，因此孔隙度參數(shù)的提取至關(guān)重要。

目前冠層孔隙度的數(shù)據(jù)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(jīng)濟(jì)成本較高而且針對(duì)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(guó)外涌現(xiàn)出大量的光學(xué)設(shè)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(shè)以及特定算法局限性帶來的誤差［5－6］，存在改進(jìn)空間，因此本文提出基于Matlab聯(lián)合AutoCAD及Photoshop的圖像處理新方法，處理帽兒山樣地內(nèi)13個(gè)樣點(diǎn)的半球圖像提取孔隙度與TRAC軟件數(shù)據(jù)進(jìn)行對(duì)比，相關(guān)度較高說明方案可行，為今后國(guó)內(nèi)自主研發(fā)相關(guān)軟件提供技術(shù)支持。

1 圖像數(shù)據(jù)來源

本文處理的半球圖像共計(jì)13張，JPG格式，來源于東北林業(yè)大學(xué)帽兒山林場(chǎng)實(shí)驗(yàn)樣地，設(shè)備采用WinSCANOPY 2006，設(shè)備包括800萬像素相機(jī)、1G內(nèi)存卡、180度魚眼鏡頭、自動(dòng)平衡裝置、遮陽板及可拆卸手柄并配有指北系統(tǒng)。

以180°視場(chǎng)角從下往上拍照，完整地記錄各個(gè)天空方向。通過自動(dòng)平衡裝置使魚眼鏡頭中心軸正對(duì)天頂，保證天頂角θ測(cè)量正確。自動(dòng)平衡裝置上配有指北針和兩個(gè)通過光纖與相機(jī)曝光窗口相連的指示燈，這兩個(gè)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(cè)量正確。測(cè)量單元為25 m×25 m大小的樣方。拍攝時(shí)間選擇在早晨，拍攝時(shí)盡最避免太陽直射光線進(jìn)入鏡頭。將相機(jī)固定在離地高lm的三腳架上，使鏡頭垂直向上，在不同樣點(diǎn)獲取的13張半球圖像以JPG格式存儲(chǔ)在內(nèi)存片中。

2 圖像數(shù)據(jù)處理

通過數(shù)碼相機(jī)拍攝獲取的原始數(shù)據(jù)為數(shù)字彩色圖像 (如圖1所示)，為更加精確提取孔隙度數(shù)據(jù)需對(duì)提取的半球圖像需經(jīng)過圖像處理，本研究對(duì)樣地13個(gè)不同樣點(diǎn)提取出的13張半球圖像運(yùn)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(yùn)用AutoCad2008軟件對(duì)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(huán)，將分割好的圖像導(dǎo)入Photoshop 7.0軟件，運(yùn)用直方圖功能計(jì)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(duì)原始半球圖像進(jìn)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(jí)別的像素出現(xiàn)的頻率。理想情況下，直方圖中天空和葉片在灰度級(jí)上會(huì)因同性質(zhì)而形成倆個(gè)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(qū)分。然而，由于攝影環(huán)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(fā)現(xiàn)，在可見光波段中，綠色植物吸收紅綠光較藍(lán)光更弱，在林間冠層中藍(lán)色光的反射現(xiàn)象和透射現(xiàn)象較少。由于這種特性，在圖像紅、綠、藍(lán)三個(gè)顏色分量中，藍(lán)色分量能夠更加明顯的區(qū)分葉片與天空。因此，在圖像灰度化過程中選取藍(lán)光分量作為特征值，在直方圖中藍(lán)光波段中的倆個(gè)峰更集中，峰之間的谷更加明顯，便于對(duì)葉片和背景進(jìn)行分割［11－16］。

2.2 圖像二值化

對(duì)處理后的灰度圖像進(jìn)行二值化處理，根據(jù)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(qū)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(guān)鍵。

圖3 二值化圖像Fig.3 Binary image

2.2.1 閾值的設(shè)定

將已處理好的二值圖像打開，首先設(shè)定最小閾值，使分類圖像與原圖像能夠明顯區(qū)分。在本研究中將最小閾值設(shè)定為60，通過相同的方法，將最大閾值設(shè)定為190。從最小閾值開始每間隔10對(duì)閾值進(jìn)行一次設(shè)定，通過此方法獲取一系列不同閾值的分類圖像。通過移動(dòng)窗口在分類圖像和原圖像間移動(dòng)，共移動(dòng)10次，對(duì)每次移動(dòng)窗口獲取的窗口平均亮度值進(jìn)行記錄，并計(jì)算出分類圖像和原圖像10次的平均亮度值。對(duì)原圖像與分類圖像亮度值進(jìn)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(shí)驗(yàn)對(duì)比，界定最佳分類閾值為150.閾值的選擇對(duì)孔隙度計(jì)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(duì)于閾值的選擇影響也非常明顯，對(duì)晴天與陰天的對(duì)比發(fā)現(xiàn)，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(duì)冠層圖像獲取時(shí)，由于背景信息雜亂，處理圖像中易產(chǎn)生椒鹽噪聲，處理后的二值圖像中經(jīng)常會(huì)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(diǎn)上效果非常明顯，在保留了大于變換核的同時(shí)平滑圖像。為提高冠層孔隙度提取的精度，關(guān)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(dá)不到對(duì)噪聲消除的效果，從而影響提取出孔隙度的精度。在經(jīng)過研究實(shí)驗(yàn)，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(fā)現(xiàn)，林間冠層孔隙度與光線入射角度有關(guān)。在相同的冠層下，入射角度改變孔隙度也將發(fā)生變化。天頂角和方位角決定入射角度，由于冠層結(jié)構(gòu)在整體方位上的對(duì)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(yùn)用Auto－Cad2008軟件將已處理的圖像沿鏡頭邊緣進(jìn)行分割，以冠層半球圖像中心點(diǎn)為圓心將圖像分割為n個(gè)等距的同心圓環(huán)，每個(gè)圓環(huán)與一個(gè)角度為90/n的視角區(qū)間相對(duì)應(yīng)，如圖7所示。

由于視角區(qū)間是一個(gè)范圍，在實(shí)際計(jì)算中取視角范圍的中間值作為該環(huán)的視角值進(jìn)行計(jì)算。利用Photoshop 7.0圖像處理軟件的魔術(shù)棒功能，在直方圖中分別統(tǒng)計(jì)每個(gè)環(huán)背景象元和葉片象元的數(shù)量，計(jì)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?cái)?shù)量，Ns(θ)是θ視角(天空或土壤)像素?cái)?shù)量。計(jì)算獲得每個(gè)環(huán)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(gè)樣點(diǎn)不同視角孔隙度數(shù)據(jù)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(wěn)定性，則在孔隙度數(shù)據(jù)提取中需將圖像分割為n個(gè)等距的同心圓環(huán)，獲取對(duì)應(yīng)不同視角的n個(gè)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(wěn)定性更高。但如果視角分辨率過高，單個(gè)環(huán)像素點(diǎn)數(shù)量較少，在圖像處理中背景象元個(gè)數(shù)的較小變化也會(huì)對(duì)孔隙度產(chǎn)生較大影響［18－21］。

半球圖像劃分環(huán)數(shù)的不同，對(duì)于求取數(shù)據(jù)的穩(wěn)定性產(chǎn)生影響，孔隙度值也會(huì)不同。本研究通過實(shí)驗(yàn)將圖像劃分 (n=1，2，3，4，5，，6，7)個(gè)環(huán)，得到對(duì)應(yīng)的7種視角分辨率。從計(jì)算出的數(shù)據(jù)來看，除n=1，2，3數(shù)據(jù)不穩(wěn)定，n取其他三個(gè)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(shí)需花費(fèi)更加大量的處理計(jì)算時(shí)間，，為在數(shù)據(jù)精度和計(jì)算效率之間獲得平衡，本研究通過大量實(shí)驗(yàn)，選取n=5個(gè)環(huán)的視角分辨率最為實(shí)際可行［18］。

3.2 與TRAC儀器處理的數(shù)據(jù)比較

TRAC為國(guó)內(nèi)認(rèn)可的對(duì)于冠層孔隙度提取數(shù)值精度較高的一種植被數(shù)據(jù)分析設(shè)備。將TRAC測(cè)取冠層孔隙度作為真值，對(duì)TRAC儀器與半球圖像法測(cè)取的孔隙度數(shù)據(jù)進(jìn)行對(duì)比 (見表2)發(fā)現(xiàn)，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(shí)驗(yàn)對(duì)倆種方法提取的數(shù)據(jù)進(jìn)行擬合分析 (如圖8所示)，相關(guān)系數(shù)R=0.81，決定系數(shù)R2=0.656，二者相關(guān)性較高，擬合效果理想。則通過TRAC儀器獲取的數(shù)據(jù)可以對(duì)半球圖像法計(jì)算出的數(shù)據(jù)進(jìn)行校正，從而使數(shù)值更加精確。通過實(shí)驗(yàn)數(shù)據(jù)分析得出，此方法可以作為冠層孔隙度數(shù)據(jù)測(cè)取的一種實(shí)用方法。

表2 半球圖像法與TRAC測(cè)取數(shù)據(jù)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(guān)性分析Fig.8 Hemispherical image method and TRAC correlation analysis

4 結(jié)論與討論

本研究運(yùn)用圖像處理技術(shù)對(duì)帽兒山林場(chǎng)試驗(yàn)樣地獲取的半球圖像進(jìn)行處理，計(jì)算冠層孔隙度。在圖像數(shù)據(jù)處理中發(fā)現(xiàn)，閾值的選擇對(duì)圖像分類影響非常顯著，繼而影響冠層孔隙度的計(jì)算。通過實(shí)驗(yàn)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(gè)同心環(huán)，取均值求取冠層孔隙度值。為在數(shù)據(jù)精度和計(jì)算效率之間獲得平衡，本研究通過實(shí)驗(yàn)，得出取5個(gè)環(huán)的視角分辨率最為實(shí)際可行。在與TRAC儀器處理的數(shù)據(jù)進(jìn)行比較，發(fā)現(xiàn)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(shù)據(jù)值擬合度較高，可以對(duì)半球圖像法獲取數(shù)據(jù)進(jìn)行校正以提高精度。通過半球圖像法可為反演森林生態(tài)系統(tǒng)的重要結(jié)構(gòu)參數(shù)提供一種新型方法，為今后研發(fā)國(guó)內(nèi)監(jiān)測(cè)設(shè)備提供技術(shù)支持。

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

［2］劉家岡，萬國(guó)良，張學(xué)培，等.林冠對(duì)降雨截留的半理論模型［J］.林業(yè)科學(xué)，2000，36(2):2 －5.

［3］雷相東，張則路，陳曉光.長(zhǎng)白落葉松等幾個(gè)樹種冠幅預(yù)測(cè)模型的研究［J］.北京林業(yè)人大學(xué)學(xué)報(bào)，2006，28(6):75 －79.

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

［5］常宗強(qiáng)，王金葉，常學(xué)向，等.祁連山水源涵養(yǎng)林枯枝落葉層水文生態(tài)功能［J］.西北林學(xué)院學(xué)報(bào)，2001，16(S1):8 －13.

［6］李德志，威潤(rùn)國(guó).森林冠層結(jié)構(gòu)與功能及其時(shí)空變化研究進(jìn)展［J］.世界林業(yè)研究，2004，17(3):12 －16.

［7］崔啟武，朱勁偉.林冠的結(jié)構(gòu)和光的分布—光的透射和反射理論［J］.地理學(xué)報(bào)，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(jì)［J］.林業(yè)科學(xué)，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(xué)，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(zhǎng)利，房俊龍.基于圖像處理技術(shù)的小麥葉面積指數(shù)的提?。郏跩］.農(nóng)業(yè)工程學(xué)報(bào)，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(shù)研究［J］.微計(jì)算機(jī)信息，2007，23(63):269 －271.

［16］沈?qū)殗?guó)，陳樹人，尹建軍，等.基于顏色特征的棉田綠色雜草圖像識(shí)別方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2009，25(6):163 －167.

［17］周 旭，常建民.數(shù)字國(guó)像處理技術(shù)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(shù)反演植被冠層結(jié)構(gòu)參數(shù)的研究進(jìn)展［J］.南京氣象學(xué)院學(xué)報(bào)，2008，31(1):139－144.

［19］趙春江.數(shù)字圖像處理算法典型實(shí)例［M］.北京:人民郵電出版社，2009.

［20］楊建華，李 麗，張 偉.基于形態(tài)學(xué)的鋸材表面缺陷圖像處理方法研究［J］.林業(yè)機(jī)械與木工設(shè)備，2012，40(9):18 －20.

［21］孫 鑫，常建民.數(shù)學(xué)圖像處理技術(shù)在木材微觀結(jié)構(gòu)研究中的應(yīng)用概況［J］.林業(yè)機(jī)械與木工設(shè)備，2010，38(3):14－16.