CN110781862A - 一种基于多光谱影像的森林乔木灌木识别方法 - Google Patents
一种基于多光谱影像的森林乔木灌木识别方法 Download PDFInfo
- Publication number
- CN110781862A CN110781862A CN201911080902.XA CN201911080902A CN110781862A CN 110781862 A CN110781862 A CN 110781862A CN 201911080902 A CN201911080902 A CN 201911080902A CN 110781862 A CN110781862 A CN 110781862A
- Authority
- CN
- China
- Prior art keywords
- shrubs
- steps
- multispectral
- images
- following
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003595 spectral effect Effects 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000000701 chemical imaging Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种基于多光谱影像的森林乔木灌木识别方法,包括以下步骤:至少选取两种不同的数据源数据,对监测区域进行连续密集的覆盖,获取多种光谱信息分析图像;对多种光谱信息分析图像进行分析,得到监测区域像素点的高程;根据像素点的高程进行乔木与灌木的识别。本发明中,通过无人机采集数据或通过ALOS高分辨率雷达卫星和SPOT高分辨率雷达卫星,获取的数据精度高,而且获取数据的方式多样,满足不同的使用需求,同时采用计算两像素点的高程进行乔木与灌木的识别,像素点的高程大于6m即判定数目为乔木,否则为灌木,方法简单,适宜大面积下对乔木与灌木进行识别,识别率高。
Description
技术领域
本发明涉及乔木灌木识别技术领域,尤其是涉及一种基于多光谱影像的森林乔木灌木识别方法。
背景技术
乔木是指树身高大的树木,由根部发生独立的主干,树干和树冠有明显区分。有一个直立主干,且通常高达六米至数十米的木本植物称为乔木。其往往树体高大,具有明显的高大主干。又可依其高度而分为伟乔(31米以上)、大乔(21~30米)、中乔(11~20米)、小乔(6~10米)等有四级。
灌木是没有明显主干的木本植物,植株一般比较矮小,不会超过6米,从近地面的地方就开始丛生出横生的枝干。
现有的乔木与灌木识别方法较为单一,通过无人机拍摄森林的照片,然后人工进行识别,人工劳动强度大。
因此,有必要提供一种新的技术方案以克服上述缺陷。
发明内容
本发明的目的在于提供一种可有效解决上述技术问题的基于多光谱影像的森林乔木灌木识别方法。
为达到本发明之目的,采用如下技术方案:
一种基于多光谱影像的森林乔木灌木识别方法,包括以下步骤:
S1:至少选取两种不同的数据源数据,对监测区域进行连续密集的覆盖,获取多种光谱信息分析图像;
S2:对多种光谱信息分析图像进行分析,得到监测区域像素点的高程;
S3:根据像素点的高程进行乔木与灌木的识别。
进一步的:步骤S1中,选取的数据源数据为ALOS高分辨率雷达卫星和SPOT高分辨率雷达卫星。
进一步的:步骤S2中对对多种光谱信息分析图像进行分析的方法为综合PS和SBAS的方法。
进一步的:步骤S1中,选取的数据源数据为,采用安装有多光谱成像模块以及高清拍摄镜头的无人机拍摄而成的。
进一步的:拍摄时间为12:00到15:00,并且当天为晴天。
进一步的:拍摄时无人机位于树木冠顶高度3m到5米。
进一步的:步骤S3中,像素点的高程大于6m即判定数目为乔木,否则为灌木。
与现有技术相比,本发明具有如下有益效果:本发明基于多光谱影像的森林乔木灌木识别方法,通过无人机采集数据或通过ALOS高分辨率雷达卫星和SPOT高分辨率雷达卫星,获取的数据精度高,而且获取数据的方式多样,满足不同的使用需求,同时采用计算两像素点的高程进行乔木与灌木的识别,像素点的高程大于6m即判定数目为乔木,否则为灌木,方法简单,适宜大面积下对乔木与灌木进行识别,识别率高,而且计算像素点的高程为计算机进行,人工劳动强度小。
具体实施方式
下面将对本发明基于多光谱影像的森林乔木灌木识别方法做出清楚完整的说明。
本发明基于多光谱影像的森林乔木灌木识别方法,包括以下步骤:
S1:至少选取两种不同的数据源数据,对监测区域进行连续密集的覆盖,获取多种光谱信息分析图像;
S2:对多种光谱信息分析图像进行分析,通过ArcGIS软件计算监测区域像素点的高程;
S3:根据像素点的高程进行乔木与灌木的识别,像素点的高程大于6m 即判定数目为乔木,否则为灌木。
选取的数据源数据为ALOS高分辨率雷达卫星和SPOT高分辨率雷达卫星,对多种光谱信息分析图像进行分析的方法为综合PS和SBAS的方法;或,选取的数据源数据为,采用安装有多光谱成像模块以及高清拍摄镜头的无人机拍摄而成的,拍摄时间为12:00到15:00,并且当天为晴天,拍摄时无人机位于树木冠顶高度3m到5米。
本发明具有如下有益效果:本发明基于多光谱影像的森林乔木灌木识别方法,通过无人机采集数据或通过ALOS高分辨率雷达卫星和SPOT高分辨率雷达卫星,获取的数据精度高,而且获取数据的方式多样,满足不同的使用需求,同时采用计算两像素点的高程进行乔木与灌木的识别,像素点的高程大于6m即判定数目为乔木,否则为灌木,方法简单,适宜大面积下对乔木与灌木进行识别,识别率高,而且计算像素点的高程为计算机进行,人工劳动强度小。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于多光谱影像的森林乔木灌木识别方法,其特征在于:包括以下步骤:
S1:至少选取两种不同的数据源数据,对监测区域进行连续密集的覆盖,获取多种光谱信息分析图像;
S2:对多种光谱信息分析图像进行分析,得到监测区域像素点的高程;
S3:根据像素点的高程进行乔木与灌木的识别。
2.如权利要求1所述的基于多光谱影像的森林乔木灌木识别方法,其特征在于:步骤S1中,选取的数据源数据为ALOS高分辨率雷达卫星和SPOT高分辨率雷达卫星。
3.如权利要求2所述的基于多光谱影像的森林乔木灌木识别方法,其特征在于:步骤S2中对对多种光谱信息分析图像进行分析的方法为综合PS和SBAS的方法。
4.如权利要求1所述的基于多光谱影像的森林乔木灌木识别方法,其特征在于:步骤S1中,选取的数据源数据为,采用安装有多光谱成像模块以及高清拍摄镜头的无人机拍摄而成的。
5.如权利要求4所述的基于多光谱影像的森林乔木灌木识别方法,其特征在于:拍摄时间为12:00到15:00,并且当天为晴天。
6.如权利要求5所述的基于多光谱影像的森林乔木灌木识别方法,其特征在于:拍摄时无人机位于树木冠顶高度3m到5米。
7.如权利要求1所述的基于多光谱影像的森林乔木灌木识别方法,其特征在于:步骤S3中,像素点的高程大于6m即判定数目为乔木,否则为灌木。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080902.XA CN110781862A (zh) | 2019-11-07 | 2019-11-07 | 一种基于多光谱影像的森林乔木灌木识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080902.XA CN110781862A (zh) | 2019-11-07 | 2019-11-07 | 一种基于多光谱影像的森林乔木灌木识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110781862A true CN110781862A (zh) | 2020-02-11 |
Family
ID=69390137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911080902.XA Pending CN110781862A (zh) | 2019-11-07 | 2019-11-07 | 一种基于多光谱影像的森林乔木灌木识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781862A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507191A (zh) * | 2020-03-18 | 2020-08-07 | 航天信德智图(北京)科技有限公司 | 一种基于时间序列遥感影像及dtw的宜昌山区树种识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279604A (zh) * | 2015-09-25 | 2016-01-27 | 同济大学 | 一种矿区土地资源变化协同分析方法 |
CN106204539A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种基于形态学梯度的反演城区建筑物沉降的方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
CN108663017A (zh) * | 2018-08-13 | 2018-10-16 | 伟志股份公司 | 一种监测城市地铁沿线地表沉降的方法 |
CN110148116A (zh) * | 2019-04-12 | 2019-08-20 | 深圳大学 | 一种森林生物量估算方法及其*** |
-
2019
- 2019-11-07 CN CN201911080902.XA patent/CN110781862A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279604A (zh) * | 2015-09-25 | 2016-01-27 | 同济大学 | 一种矿区土地资源变化协同分析方法 |
CN106204539A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种基于形态学梯度的反演城区建筑物沉降的方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
CN108663017A (zh) * | 2018-08-13 | 2018-10-16 | 伟志股份公司 | 一种监测城市地铁沿线地表沉降的方法 |
CN110148116A (zh) * | 2019-04-12 | 2019-08-20 | 深圳大学 | 一种森林生物量估算方法及其*** |
Non-Patent Citations (2)
Title |
---|
庞勇等: "干涉雷达技术用于林分高估测", 《遥感学报》, vol. 7, no. 1, 31 January 2003 (2003-01-31), pages 8 - 13 * |
邓宇声: "基于InSAR技术的矿区地表沉降监测及预测", 《中国优秀硕士学位论文全文数据库 (中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》, no. 11, 15 November 2017 (2017-11-15), pages 021 - 7 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507191A (zh) * | 2020-03-18 | 2020-08-07 | 航天信德智图(北京)科技有限公司 | 一种基于时间序列遥感影像及dtw的宜昌山区树种识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569786B (zh) | 一种基于无人机数据采集的果树识别和数量监测方法及*** | |
CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别***与方法 | |
Santini et al. | Using unmanned aerial vehicle‐based multispectral, RGB and thermal imagery for phenotyping of forest genetic trials: A case study in Pinus halepensis | |
CN113033670B (zh) | 一种基于Sentinel-2A/B数据的水稻种植面积提取方法 | |
CN110598619B (zh) | 一种利用无人机影像进行果树识别和计数的方法和*** | |
CN111345214A (zh) | 一种基于卫星影像数据的新疆棉花区域识别方法及*** | |
CN106651844B (zh) | 一种基于图像分析的苹果生育期识别方法 | |
CN110598532A (zh) | 一种树木病虫害监控***及方法 | |
CN110781862A (zh) | 一种基于多光谱影像的森林乔木灌木识别方法 | |
CN106683092B (zh) | 测算蓝莓树冠郁闭度的装置和方法 | |
CN115661647A (zh) | 一种树木栽种生长状况的定时巡检方法 | |
Lyu et al. | Development of phenotyping system using low altitude UAV imagery and deep learning | |
CN117197595A (zh) | 基于边缘计算的果树生育期识别方法、装置及管理平台 | |
CN110986884A (zh) | 一种基于无人机航测数据预处理及植被快速识别方法 | |
CN111832480B (zh) | 一种基于光谱特征的油菜种植区遥感识别方法 | |
CN110807435A (zh) | 一种基于多种植被指数的遥感监测森林蓄积量方法 | |
CN116721385A (zh) | 一种基于机器学习的rgb摄像头数据蓝藻水华监测方法 | |
CN115063690B (zh) | 一种基于ndvi时序特征的植被分类方法 | |
CN110232345A (zh) | 使用计算机生成杂草识别模型的程序和杂草识别装置 | |
Melnychenko et al. | Apple detection with occlusions using modified YOLOv5-v1 | |
CN115358991A (zh) | 一种秧苗的漏秧数量和漏秧位置的识别方法及*** | |
CN115527192A (zh) | 一种油菜苗期杂株定位方法及杂株去除方法 | |
CN112541933B (zh) | 一种农田边界及种植结构的提取方法 | |
CN110796639B (zh) | 一种基于神经网络的半夏品质分级方法 | |
CN114462485A (zh) | 一种红枣枣疯病初期防治方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |