JP4279894B2 - Tree vertex recognition method, tree vertex recognition device, and tree vertex recognition program - Google Patents

Description

本発明は、レーザ計測で得た多数のデータ（ＤＳＭ、ＤＥＭ）から単木の頂点を認識する樹木頂点認識装置に関する。   The present invention relates to a tree vertex recognition apparatus that recognizes the vertex of a single tree from a large number of data (DSM, DEM) obtained by laser measurement.

森林のCO2吸収、水源涵養、木材生産などの様々な機能を向上させるためには森林管理が必要である。森林管理を行うに当たっては、樹木本数などの林分パラメータが必要となる。   Forest management is necessary to improve various functions such as forest CO2 absorption, water source cultivation, and timber production. For forest management, stand parameters such as the number of trees are required.

例えば、山地の特定エリアの唐松の本数を特定する場合には、写真画像等のそのエリア内の唐松の樹木の頂点を目視で特定し、これらの総数を求めていた。   For example, when specifying the number of Karamatsu in a specific area in a mountainous area, the vertices of Karamatsu trees in the area such as a photographic image are visually identified, and the total number of these is obtained.

また、レーザ測距儀（以下、航空レーザ）を活用して樹木本数を推定する場合もある。   In some cases, the number of trees is estimated using a laser range finder (hereinafter referred to as an aviation laser).

具体的には、航空レーザ計測により取得されたデータを用いて表層のグリッドデータ（以下、ＤＳＭ：Digital Surface Model）と地盤のグリッドデータ（以下、ＤＥＭ：Digital Elevation Model）を作成する。さらに、DSMとDEMデータの差分をとることによって樹木高のグリッドデータを算出し、樹木高や樹木高の極大値を判別指標として単木抽出を行っていた。   Specifically, surface layer grid data (hereinafter referred to as DSM: Digital Surface Model) and ground grid data (hereinafter referred to as DEM: Digital Elevation Model) are created using data acquired by aviation laser measurement. Furthermore, the tree height grid data was calculated by taking the difference between DSM and DEM data, and single tree extraction was performed using the tree height or the maximum value of the tree height as a discrimination index.

また、特開２００４−３３１４９号公報（特許文献１）は、施業林分における立木の直径、本数及び配置の調査を自動的に行うものである。
特開２００４−３３１４９号公報 Japanese Patent Laying-Open No. 2004-33149 (Patent Document 1) automatically investigates the diameter, number, and arrangement of standing trees in a forest stand.
JP 2004-33149 A

しかしながら、写真画像から目視によって樹木本数を求めた場合は、非常に時間がかかる。特に、エリアが広くなるとそれだけ時間がかかる。また、写真画像から樹木を１本毎に目視で正しく特定していくには、経験が必要である。   However, it takes a very long time to visually determine the number of trees from a photographic image. In particular, as the area becomes larger, it takes more time. In addition, experience is required to correctly identify each tree from a photographic image.

また、従来のＤＥＭ、ＤＳＭによって単木抽出を行う手法は、樹冠形状が複雑であることから、一つの樹冠内には複数の極大値が存在しやすく、従来の手法で単木抽出処理を行うと実本数に比べ過剰に抽出されるデメリットがある。   In addition, since conventional tree extraction methods using DEM and DSM have a complicated crown shape, multiple maximum values are likely to exist within one tree crown, and single tree extraction processing is performed using conventional methods. And there is a disadvantage that it is extracted excessively compared to the actual number.

本発明は以上の課題を解決するためになされたもので、自動的に単木の頂点を正しく認識する樹木認識装置を得ることを目的とする。   The present invention has been made to solve the above-described problems, and an object of the present invention is to obtain a tree recognition apparatus that automatically recognizes the vertices of a single tree correctly.

本発明の樹木頂点認識方法は、上空から地上を撮影した所定エリアのオルソフォト画像又は/及び所望のグリッドデータを画像化した画像を表示部の画面に表示する一方、前記所定エリア内の、地盤のＸ、Ｙ、Ｚ座標値及び樹木の表層のｘ、ｙ、ｚ座標値との差を求め、この差Ｚｃｉ及びＸｃｉ、Ｙｃｉ座標を樹木高グリッドデータＤｄｉとして得て、この樹木高グリッドデータＤｄｉに基づいて樹木の頂点を認識する樹木頂点認識方法である。   The tree vertex recognition method of the present invention displays an orthophoto image of a predetermined area obtained by photographing the ground from the sky or / and an image obtained by imaging desired grid data on the screen of the display unit, while the ground in the predetermined area The difference between the X, Y, Z coordinate values and the x, y, z coordinate values of the surface layer of the tree is obtained, and the difference Zci, Xci, Yci coordinates are obtained as the tree height grid data Ddi, and this tree height grid data Ddi is obtained. This is a tree vertex recognition method for recognizing tree vertices based on.

コンピュータが、
樹冠形状指数ＥＧｉを求めるための前記グリッドデータの検索範囲Ｍｉ、前記樹木高グリッドデータＤｄｉ、前記樹冠形状指数ＥＧｉから樹冠部を抽出するための局所領域を記憶手段に記憶するステップと、
前記画像に対応する各樹木高グリッドデータＤｄｉを中心とした検索範囲Ｍｉ毎に、検索方向ｋｉｐについて、各樹木高グリッドデータＤｐｐｉの樹木高及び距離からアスペクト比の最大値、最小値を求め、前記最大値及び最小値を、想定樹木の基準の樹冠形状に基づいて樹木頂点を強調するための更新処理条件にあてはめることにより更新し、更新された値に基づき地上開度φ1´及び地下開度φ２´を求め、前記地上開度φ１´から前記地下開度φ２´を引いて１／２にした値を求め、この値を全ての検索方向で算出してそれらを平均し、これを樹冠形状指数ＥＧｉとして算出して前記記憶手段に記憶する樹冠形状指数算出ステップと、
前記樹木高グリッドデータＤｄｉに対して前記局所領域を定め、この局所領域毎に前記樹冠形状指数ＥＧｉの平均値と標準偏差とを求め、これらの和を閾値として求める閾値算出ステップと、
前記局所領域の前記閾値が求められる毎に、その樹冠形状指数ＥＧｉが前記閾値以上かどうかを判断し、閾値を超えているときに、その樹木高グリッドデータＤｄｉを樹冠部として抽出する樹冠部抽出ステップと、
前記樹冠部毎に、該樹冠部内に存在する最大の樹冠形状指数ＥＧｉを有する樹木高グリッドデータＤｄｉを樹木頂点として認識して、該認識した頂点を所定の形状にして前記表示部に表示又は前記頂点の座標値を出力する樹木頂点認識ステップと
を行うことを要旨とする。 Computer
Storing the search range Mi of the grid data for obtaining the crown shape index EGi, the tree height grid data Ddi, and a local region for extracting a crown portion from the crown shape index EGi in a storage unit;
Wherein each search range Mi around each tree height grid data Ddi corresponding to the image, the search direction kip, the maximum value of the tree height and distance or Raa aspect ratio of each tree height grid data DPPI, the minimum value calculated The maximum value and the minimum value are updated by applying an update processing condition for emphasizing the tree vertex based on the standard crown shape of the assumed tree, and the ground opening φ1 ′ and the underground opening are updated based on the updated value. The degree φ2 ′ is obtained, a value obtained by subtracting the underground opening φ2 ′ from the ground opening φ1 ′ and halved is calculated, this value is calculated in all search directions, and they are averaged. A crown shape index calculating step for calculating the shape index EGi and storing it in the storage means;
A threshold calculation step for determining the local region for the tree height grid data Ddi, determining an average value and a standard deviation of the crown shape index EGi for each local region, and determining a sum of these as a threshold;
Every time the threshold value of the local region is obtained, it is determined whether or not the crown shape index EGi is equal to or greater than the threshold value, and when the threshold value is exceeded, the tree height grid data Ddi is extracted as a crown portion. Steps,
Each said crown portion, trees high grid data Ddi having a maximum crown shape index EGi present in該樹crown portion confirmed that trees vertices, displays the vertices the recognized on the display unit in the predetermined shape or The gist is to perform a tree vertex recognition step for outputting the coordinate value of the vertex.

以上のように本発明によれば、樹冠形状指数によって、自動的に精度よく単木の頂点を認識できる。   As described above, according to the present invention, the vertex of a single tree can be automatically recognized with high accuracy by the crown shape index.

このため、広い森林等を人手によって樹木一本毎に検索しなくともよいので、例えば森林の財産管理等に適用できる。   For this reason, since it is not necessary to search a wide forest etc. manually for every tree, it can be applied to, for example, forest property management.

＜実施の形態１＞
初めに経緯を説明する。 <Embodiment 1>
First, I will explain the background.

尾根谷度の算出は、次の様に行う。樹木高のグリッドデータを用いて、設定した対象範囲内（検索範囲）における天頂から地表（樹冠含む）に接するまでの角度と鉛直下方から地表に接するまでの角度を求める。そして、これらの角度を例えば、8方向で計算し、それぞれ平均する。その結果をそれぞれ地上開度（φ1）と地下開度（φ2）とする。地上開度と地下開度にはさまれる角度の2 等分線と水平線との角度を尾根谷度（φ3）とする（図１参照）。検索範囲は1m・2m・5m・10mの4 通り試算し、樹冠形状を適切に表現できた2m に決定した。   The calculation of the degree of ridge valley is performed as follows. Using the tree height grid data, the angle from the zenith to the ground (including the crown) within the set target range (search range) and the angle from the vertically lower side to the ground are obtained. Then, for example, these angles are calculated in eight directions and averaged. The results are defined as the ground opening (φ1) and the underground opening (φ2), respectively. The angle between the bisector of the angle between the ground opening and the underground opening and the horizontal line is the ridge valley degree (φ3) (see Fig. 1). The search range was 4m (1m, 2m, 5m, and 10m), and it was decided to be 2m that could express the crown shape appropriately.

尾根谷度は大まかな樹冠形状を表現するものであり、樹高に比べ、樹木頂点と樹冠端部の値の差が大きく、樹木頂点において値が同じような傾向を示す（図２参照）。これにより画一的な閾値を用いて、樹冠部域の抽出が可能で、ここに尾根谷度の有用性があると考える。   The ridge valley degree represents a rough crown shape, and the difference between the value of the tree vertex and the crown end is larger than the tree height, and the value tends to be the same at the tree vertex (see FIG. 2). In this way, it is possible to extract the crown area using a uniform threshold, and I think that there is usefulness of the ridge valley degree here.

次に、尾根谷度に局所最大値フィルタを適用し、局所領域内の最大値を中央画素値に置き換える。この際、局所領域を3×3 に設定した。このフィルタ処理後の尾根谷度と処理前の尾根谷度を比較し、処理前後で尾根谷度が同値であったときに、その地点を「樹頂候補点」として抽出する。   Next, a local maximum value filter is applied to the ridge valley degree, and the maximum value in the local region is replaced with the central pixel value. At this time, the local region was set to 3 × 3. The degree of ridge valley after the filtering process is compared with the degree of ridge valley before the process, and when the degree of ridge valley is the same before and after the process, the point is extracted as a “top candidate point”.

一方で、「尾根谷度＞0」は尾根地形を表現し、「尾根谷度＜0」は谷地形を表現するといった尾根谷度の性質を利用して、尾根谷度データに森林の状態に応じた閾値を設けることによって樹冠部を抽出する。そして、樹頂候補点と樹冠部領域を重ね合わせて、各樹冠部領域内において樹高が最も高い樹頂候補点を樹木頂点として抽出する。   On the other hand, “Ridge valley degree> 0” represents the ridge topography, and “Ridge valley degree <0” represents the valley topography. The crown is extracted by providing a corresponding threshold value. Then, the tree top candidate point and the tree crown area are overlapped, and the tree top candidate point having the highest tree height in each tree crown area is extracted as a tree vertex.

しかしながら、抽出された樹木頂点の総数を現地の立木本数として検証していたが、抽出された樹木頂点は実際の立木本数よりも過小になる場合があることがわかった。すなわち、これまでの手法では抽出本数が過小になる可能性がある。 However, although the total number of the extracted trees vertex has been verified as the number of trees of the field, the extracted trees vertex has been found that there is a case to be too small than the actual number of trees. That is, there is a possibility that the number of extractions becomes too small with the conventional methods.

例えば、図３に示すように、尾根谷度は樹高データをもとに計算した地上開度と地下開度から算出される。このため、樹冠が隣木に接していない樹木は樹冠の端でDHM が急激に変化し、尾根谷度が大きくなる。これにより、樹冠端部が樹木頂点より大きな尾根谷度になる。   For example, as shown in FIG. 3, the ridge valley degree is calculated from the ground opening and the underground opening calculated based on the tree height data. For this reason, in trees where the crown is not in contact with the adjacent tree, the DHM changes abruptly at the end of the crown and the ridge valley degree increases. As a result, the crown end becomes a ridge valley degree larger than the tree apex.

図４は尾根谷度画像と本実施の形態２の樹冠形状指数との比較を説明する説明図であり、図４（ａ）は尾根谷度が樹冠端部において極大化（画像が明るい領域）している例を示す画像である。   FIG. 4 is an explanatory diagram for explaining a comparison between the ridge valley degree image and the crown shape index of the second embodiment, and FIG. 4A is a diagram in which the ridge valley degree is maximized at the end of the crown (the image is bright). It is an image which shows the example which is doing.

この極大化により、林縁部では、樹冠端部が頂点として認識されてしまったり、樹木頂点が樹冠内に複数生じたりする可能性がある。この問題を解決するには、樹冠端部の極大化を防ぎ、樹木の頂点の尾根谷度を強調して隣木との区別を明確にする方法が好ましい。   Due to this maximization, there is a possibility that at the edge of the forest, the end of the tree crown is recognized as a vertex, or a plurality of tree vertices are generated in the tree crown. In order to solve this problem, a method of preventing the maximization of the crown end and emphasizing the ridge valley degree of the top of the tree and clarifying the distinction from the adjacent tree is preferable.

図５は実施の形態の樹木頂点認識装置の概略構成図である。図６は本実施の形態を説明する概略フローチャートである。実施の形態の樹木頂点認識装置の概略構成図を説明する前に、図６の概略フローを説明する。図６に示すように、航空レーザ計測により取得されたデータ（ＤＳＭ：Digital Surface Model）を読み込む（Ｓ２０）。また、地盤のグリッドデータ（ＤＥＭ：Digital Elevation Model）を読み込む（Ｓ２１）。   FIG. 5 is a schematic configuration diagram of the tree vertex recognition apparatus according to the embodiment. FIG. 6 is a schematic flowchart for explaining the present embodiment. Before describing the schematic configuration diagram of the tree vertex recognition device of the embodiment, the schematic flow of FIG. 6 will be described. As shown in FIG. 6, data (DSM: Digital Surface Model) acquired by aviation laser measurement is read (S20). Further, grid data (DEM: Digital Elevation Model) of the ground is read (S21).

そして、DSMとDEMデータの差分Ｚｃｉ（Ｚｃｉ、Ｚｃｉ・・）を樹木高グリッドデータＤｄｉとして求めて（Ｓ２２）、樹冠形状の再現を行う（Ｓ２３）。   Then, the difference Zci (Zci, Zci...) Between DSM and DEM data is obtained as tree height grid data Ddi (S22), and the crown shape is reproduced (S23).

樹冠形状の再現は、この樹木高のグリッドデータＤｄｉ（Ｄｄ１、Ｄｄ２、・・・）を用いて例えば５ｍ範囲（図７を参照）における各グリッドデータと自身のデータとのアスペクト比を求め、このアスペクト比を一定条件下で新たなアスペクト比に変更し、変更したアスペクト比を用いて地上開度φ１´及び地下開φ２´度を算出し（Ｓ２３ａ）、図４（ｂ）に示す樹冠形状指数画像のデータを算出する（Ｓ２３ｂ）。この樹冠形状指数画像については後述する。   To reproduce the crown shape, the grid height data Ddi (Dd1, Dd2,...) Is used to determine the aspect ratio between each grid data and its own data in a 5 m range (see FIG. 7). The aspect ratio is changed to a new aspect ratio under certain conditions, and the ground opening φ1 ′ and underground open φ2 ′ degrees are calculated using the changed aspect ratio (S23a), and the crown shape index shown in FIG. Image data is calculated (S23b). The crown shape index image will be described later.

そして、この樹冠形状指数Gｅiから樹木の頂点を抽出する（Ｓ２４）。樹木頂点の抽出は、樹冠形状指数Gｅiに局所最大値フィルタ（3×3範囲）を適用して（Ｓ２４ａ）、「樹木頂点の候補点」を抽出する（Ｓ２４ｂ）。   Then, tree vertices are extracted from the crown shape index Gei (S24). The extraction of tree vertices is performed by applying a local maximum value filter (3 × 3 range) to the crown shape index Gei (S24a) to extract “tree vertex candidate points” (S24b).

また、本実施の形態では、後述する動的閾値により樹冠部を抽出して（Ｓ２４ｃ）、樹冠部画像を得る（Ｓ２４ｄ）。   Further, in the present embodiment, the crown portion is extracted by a dynamic threshold described later (S24c), and a crown portion image is obtained (S24d).

そして、頂点候補が存在する樹冠部領域毎に樹木頂点候補の中から最高の樹木高を有する点を求め、これを樹木頂点とし（Ｓ２４ｅ）、抽出する（Ｓ２４ｆ）。これによって得られた画像を図８に示す。   Then, a point having the highest tree height is obtained from the tree vertex candidates for each crown area where the vertex candidate exists, and this is used as a tree vertex (S24e) and extracted (S24f). An image obtained by this is shown in FIG.

次に、図５の構成を説明する。   Next, the configuration of FIG. 5 will be described.

（図５の説明）
図５においては、表示処理部１９は、表示部１３（画面）に各データベース、メモリ等の画像を表示させたり、画面の画像データを読み込む等の機能を有しているが、各データベース、メモリ等とのやり取りを示す線については記載を省力している。 (Description of FIG. 5)
In FIG. 5, the display processing unit 19 has functions such as displaying images of each database and memory on the display unit 13 (screen), and reading screen image data. The lines indicating the exchanges with etc. are saved.

また、図５においては、特定地域の地盤のグリッドデータ（ＤＥＭ：Digital Elevation Model）を記憶したデータベース１０と、特定地域の表層（森林）のグリッドデータ（ＤＳＭ：Digital Surface Model）を記憶したデータベース１１と、特定地域のデジタル写真（オルソフォト画像）を記憶したデータベース１２と、樹木高算出部１４と、樹木高データが記憶されるファイル（メモリ）１５と等を備えている。   In FIG. 5, a database 10 storing grid data (DEM: Digital Elevation Model) of the ground in a specific area and a database 11 storing grid data (DSM: Digital Surface Model) of the surface layer (forest) of the specific area. And a database 12 storing a digital photograph (orthophoto image) of a specific area, a tree height calculator 14, a file (memory) 15 storing tree height data, and the like.

また、検索範囲決定部１７と、表示処理部１９と、局所最大フィルタ部２０と、樹木頂点候補抽出部２１と、樹木頂点候補データが記憶されるファイル２２と、樹冠部抽出部２３と、樹冠部のデータが記憶されるファイル２４と、第１の樹木頂点決定部２５と、樹木頂点データが記憶されるファイル２９と出力部３０等を備えている。   In addition, the search range determination unit 17, the display processing unit 19, the local maximum filter unit 20, the tree vertex candidate extraction unit 21, the file 22 in which the tree vertex candidate data is stored, the tree crown extraction unit 23, and the tree crown A file 24 for storing the data of the part, a first tree vertex determining unit 25, a file 29 for storing the tree vertex data, an output unit 30 and the like.

さらに、本実施の形態の樹木頂点認識装置は、第１の樹冠形状指数算出部３２と、閾値算出部３５と、局所領域設定部３６と等を備えている。   Furthermore, the tree vertex recognition device of the present embodiment includes a first crown shape index calculation unit 32, a threshold calculation unit 35, a local region setting unit 36, and the like.

データベース１０は、地盤のグリッドデータ（ＤＥＭ：Digital Elevation Model：本実施の形態では０．５ｍ間隔の格子状のデータ）を記憶している。このグリッドデータは、地盤のＸ、Ｙ、Ｚ（地盤高Ｚａ）とを対応させて記憶させられている。つまり、レーザデータを読み込み、それぞれの同じ標高値を結んだ等高線図に対してＴＩＮを発生させて地面を復元したものである。   The database 10 stores ground grid data (DEM: Digital Elevation Model: grid-like data with an interval of 0.5 m in the present embodiment). This grid data is stored in association with X, Y, and Z (ground height Za) of the ground. That is, the laser data is read and the ground is restored by generating a TIN for the contour maps connecting the same elevation values.

データベース１１は、特定地域の表層（森林）のグリッドデータ（ＤＳＭ：Digital Surface Model：本実施の形態では０．５ｍ間隔）を記憶している。このグリッドデータ（本実施の形態では０．５ｍ間隔の格子状のデータ）は、樹木表面のＸ、Ｙ、Ｚ（Ｚｂ：樹木表面高）とを対応させて記憶している。つまり、レーザデータを読み込み、それぞれの同じ標高値を結んだ等高線図に対してＴＩＮを発生させて表層を復元したものである。   The database 11 stores grid data (DSM: Digital Surface Model: 0.5 m interval in the present embodiment) of the surface layer (forest) in a specific area. This grid data (in this embodiment, grid-like data with an interval of 0.5 m) stores X, Y, and Z (Zb: tree surface height) of the tree surface in association with each other. In other words, the laser data is read and the surface layer is restored by generating a TIN for the contour map connecting the same elevation values.

すなわち、これらのグリッドデータは、格子間隔０．５ｍのＸ−Ｙ平面直角座標系に、緯度経度に対応するＸ値、Ｙ値とレーザ計測によって得られたＺ値を割り当てている。   That is, in these grid data, an X value and a Y value corresponding to latitude and longitude and a Z value obtained by laser measurement are assigned to an XY plane rectangular coordinate system having a lattice interval of 0.5 m.

樹木高算出部１４は、データベース１０のＤＳＭとデータベース１１のＤＥＭとの差を求め、これをファイル１５（メモリ）のＸ，Ｙ座標に割付ける（以下樹木高グリッドデータＤｄｉという）。   The tree height calculation unit 14 obtains the difference between the DSM of the database 10 and the DEM of the database 11 and assigns it to the X and Y coordinates of the file 15 (memory) (hereinafter referred to as tree height grid data Ddi).

検索範囲決定部１７は、表示部１３の画面上においてオペレータによって決められた検索範囲Ｍｉを樹冠形状指数算出部３２に設定する。   The search range determination unit 17 sets the search range Mi determined by the operator on the screen of the display unit 13 in the crown shape index calculation unit 32.

第１の樹冠形状指数算出部３２は、デジタル写真を基に決定された検索範囲Ｍｉに対応する樹木高グリッドデータＤｄｉをファイル１５から読み込んで、これらのグリッドデータＤｄｉにおけるアスペクト比（樹木高Ｚｃｉ/距離ｄｉ）の最大、最小値を基にして樹冠形状を明瞭にする所定の値に変更する（第１のアスペクト比更新処理３１ａ）。   The first crown shape index calculation unit 32 reads the tree height grid data Ddi corresponding to the search range Mi determined based on the digital photograph from the file 15, and the aspect ratio (tree height Zci /) of these grid data Ddi. Based on the maximum and minimum values of the distance di), the crown shape is changed to a predetermined value that makes the crown shape clear (first aspect ratio update process 31a).

そして、この変更された新たな最大値、新たな最小値を用いて新たな地上開度φ１´（以下第１の地上開度φ１´という）、地下開度φ２´（以下第１の地下開度φ２´という）を求め、これらの開度から算出される第１−１の樹冠形状指数φ３´を、例えば８方向で平均化して、平均化した樹冠形状指数ｅｉ（以下第１−２の樹冠形状指数ｅｉという）を得る（第１の樹冠形状指数計算処理３１ｂ）。   Then, by using the changed new maximum value and new minimum value, a new ground opening φ1 ′ (hereinafter referred to as the first ground opening φ1 ′) and an underground opening φ2 ′ (hereinafter referred to as the first underground opening). The first crown shape index φ3 ′ calculated from these degrees of opening is averaged in, for example, eight directions, and the averaged crown shape index ei (hereinafter referred to as 1-2) is calculated. A first canopy shape index calculation process 31b).

次に、局所領域Ｊｉ(例えば3×3pixel)で平滑化し、これを検索範囲Ｍｉ（例えば５ｍ）における第１−３の樹冠形状指数Ｇｅｉとしてファイル（メモリ）３７に保存する（平滑化処理３１ｃ）。   Next, the local region Ji (for example, 3 × 3 pixels) is smoothed, and this is stored in the file (memory) 37 as the first to third crown shape index Gei in the search range Mi (for example, 5 m) (smoothing process 31c). .

前述の第１−３の樹冠形状指数Ｇｅｉは、設定された樹木高グリッドデータの番号と、Ｘ、Ｙ座標と、樹木高の差Ｚと、第１−１の樹冠形状指数φ３´と、第１−２の樹冠形状指数ｅｉと、この第１−１の樹冠形状指数φ３´を得たときの地上開度φ１´と、地下開度φ２´と、検索方向毎の検索範囲以内の樹木高グリッドデータ（Ｘ、Ｙ、Ｚ）と、これらの樹木高グリッドデータまでの距離ｄｉと、設定された樹木高グリッドデータに対して高さの差Ｚ等にリンク付けされている。これらを総称して第１の樹冠形状指数情報Ｇｉという。   The above-mentioned 1-3 tree crown shape index Gei is the set tree height grid data number, X and Y coordinates, tree height difference Z, 1-1 tree crown shape index φ3 ′, The crown height index ei of 1-2, the ground opening φ1 ′ when the 1-1 crown crown index φ3 ′ was obtained, the underground opening φ2 ′, and the tree height within the search range for each search direction The grid data (X, Y, Z), the distance di to the tree height grid data, and the set tree height grid data are linked to the height difference Z and the like. These are collectively referred to as first crown shape index information Gi.

閾値算出部３５は、表示部１３に表示された画像（グリッドデータ又はオルソフォト画像又はオルソフォト画像とグリッドデータとを重ね表示）内で、予め設定された局所領域Ｈｉ（例えば３×３ピクセル）の第１−３の樹冠形状指数Ｇｅｉの平均値μと標準偏差σとの和を閾値Ｈｇｉとして求め、これを樹冠部抽出部２３に渡す。 Threshold calculating unit 35, in the image displayed in Table radical 113 13 (grid data or ortho-photo image or display overlaid with orthophoto image and grid data), a preset local region Hi (e.g. 3 × 3 pixels The sum of the average value μ and the standard deviation σ of the first to third canopy shape indices Gei is obtained as a threshold Hgi, and this is passed to the canopy part extraction unit 23.

局所最大値フィルタ２０は、ファイル３７の第１の樹冠形状指数情報Ｇｉの各樹木高グリッドデータ（Ｘ、Ｙ、Ｚ）に対応する第１−３の樹冠形状指数Ｇｅｉに局所領域Ｆｉ（例えば３×３範囲）のフィルタを順次適用し、この結果のデータＤｆｉをファイル２７に保存する。   The local maximum value filter 20 applies the local region Fi (for example, 3) to the first to third crown shape index Gei corresponding to each tree height grid data (X, Y, Z) of the first crown shape index information Gi of the file 37. The (× 3 range) filter is sequentially applied, and the resulting data Dfi is stored in the file 27.

樹木頂点候補抽出部２１は、ファイル２７のデータＤｆｉとファイル３７の第１−３の樹冠形状指数Ｇｅｉとを比較し、同じ値のものを頂点候補Ｄｇｉとしてファイル２２に保存する。   The tree vertex candidate extraction unit 21 compares the data Dfi in the file 27 with the first to third crown shape index Gei in the file 37 and stores the same value in the file 22 as the vertex candidate Dgi.

樹冠部抽出部２３は、閾値算出部３５で求められた閾値Ｈｇｉより大きい値の、第１−３の樹冠形状指数Ｇｅｉを抽出し、これを樹冠部のデータＤｈｉ（Ｄｈ１、Ｄｈ２・・・）としてファイル２４に保存する。   The tree crown part extracting unit 23 extracts the first to third crown shape index Gei having a value larger than the threshold value Hgi obtained by the threshold value calculating unit 35, and this is extracted as data Dhi (Dh1, Dh2,...) As a file 24.

第１の樹木頂点決定部２５は、ファイル２４の樹冠部のデータＤｈｉ（Ｄｈ１、Ｄｈ２・・）とファイル２２の頂点候補Ｄｇｉ（Ｄｇ１、Ｄｇ２・・）とを重ね合わせ、一致したものを仮の頂点と決定し、これをファイル２８に保存する。そして、同一樹冠部に複数の仮の頂点が存在するときは、この樹冠部で最も樹木高が高いものを単木の頂点として決定し、これをファイル２９に保存する（Ｐｉ）。   The first tree vertex determining unit 25 superimposes the data Dhi (Dh1, Dh2,...) On the crown portion of the file 24 and the vertex candidate Dgi (Dg1, Dg2,. The vertex is determined and stored in the file 28. When a plurality of temporary vertices exist in the same crown portion, the highest crown height in this crown portion is determined as a single tree vertex and stored in the file 29 (Pi).

表示処理部１９は決定した頂点を例えば○印（△印、×印、番号等の識別）にして画面に表示する。このとき、写真画像と重ねて表示してもよい。   The display processing unit 19 displays the determined vertex on the screen, for example, with a circle (identification such as a triangle, x, number, etc.). At this time, it may be displayed so as to overlap with the photographic image.

出力部３０は、ファイル２９の頂点Ｐｉの座標（ＸＹ）に樹木番号を付けてプリンタ（図示せず）又は画面に表示する。このとき、樹木高も表示してもよい。   The output unit 30 attaches a tree number to the coordinates (XY) of the vertex Pi of the file 29 and displays it on a printer (not shown) or a screen. At this time, the tree height may also be displayed.

上記のように構成された実施の形態１の樹木頂点認識装置について以下にフローチャートを用いて説明する。   The tree vertex recognition apparatus of Embodiment 1 configured as described above will be described below with reference to flowcharts.

図９は樹冠形状指数算出部３２のアスペクト比を求める処理を説明するフローチャートである。   FIG. 9 is a flowchart for explaining the processing for obtaining the aspect ratio of the crown shape index calculation unit 32.

本実施の形態では、初めに初期設定を行う（Ｓ３０）。この初期設定は、例えば画面のオルソフォト画像において所定のエリアの設定、検索範囲Ｍｉ、検索方向ｋｉ等の設定である。   In the present embodiment, initial setting is first performed (S30). This initial setting is, for example, a setting of a predetermined area, a search range Mi, a search direction ki, and the like in the orthophoto image on the screen.

前述の検索方向ｋｉは、以下のようにして求めている。図9のS32において、任意のDdipを決定したときに、隣接するDdiを検索し、データが存在する方向の数を検索方向kiとする。例えば、任意のDdipが画像の右上角であった場合、隣接データ数は3となり、検索方向は3となる。また、任意のDdipが画像の中央であった場合、隣接データ数は8となり、検索方向は8となる。   The search direction ki described above is obtained as follows. When an arbitrary Ddip is determined in S32 of FIG. 9, the adjacent Ddi is searched, and the number of directions in which data exists is set as the search direction ki. For example, if an arbitrary Ddip is the upper right corner of the image, the number of adjacent data is 3, and the search direction is 3. If an arbitrary Ddip is at the center of the image, the number of adjacent data is 8, and the search direction is 8.

本実施の形態では検索範囲Ｍｉはオルソ画像を確認し、対象林分の代表的な樹木間隔未満で設定する。   In the present embodiment, the search range Mi is set to be less than the representative tree interval of the target forest after confirming the ortho image.

そして、樹冠形状指数算出部３２は、検索範囲の樹木高グリッドデータＤｄｉ（DSMとDEMデータの差分）をファイル１５から全てリードする（Ｓ３１）。   The crown shape index calculation unit 32 reads all the tree height grid data Ddi (difference between DSM and DEM data) in the search range from the file 15 (S31).

次に、これらの樹木高グリッドデータＤｄｉの中の１つの樹木高グリッドデータＤｄｉｐの番号を設定すると共に、検索方向内の１つの方向ｋｉｐを設定する（Ｓ３２、Ｓ３３）。本実施の形態では８方向として説明する。   Next, the number of one tree height grid data Ddip in the tree height grid data Ddi is set, and one direction kip in the search direction is set (S32, S33). In the present embodiment, description will be made assuming that there are eight directions.

次に、設定された番号の樹木高グリッドデータＤｄｉｐから方向ｋｉｐで検索範囲Ｍｉ内の樹木高グリッドデータＤｄｉｐ（以下グリッドデータＤｐｐｉという）を抽出する（Ｓ３４）。   Next, tree height grid data Ddip (hereinafter referred to as grid data Dppi) in the search range Mi is extracted from the set tree height grid data Ddip in the direction kip (S34).

前述の地上・地下開度を算出する検索範囲Ｍｉは対象林分に応じて変化させる必要がある。検索範囲が樹木間隔より長過ぎると隣木の頂点に対して最大傾斜角をなすため、自身が頂点として検出できない可能性がある。また、樹木間隔に対して短過ぎると樹冠内の山谷形状を検出し、一つの樹冠に対して複数の樹木頂点が抽出される場合がある。以上から検索範囲は対象林分の代表的な樹木間隔未満で設定するのが良い。   The search range Mi for calculating the above-mentioned ground and underground opening needs to be changed according to the target stand. If the search range is too longer than the tree interval, the maximum inclination angle is formed with respect to the vertex of the adjacent tree, so that it may not be detected as a vertex. On the other hand, if it is too short with respect to the tree interval, the shape of peaks and valleys within the tree crown is detected, and a plurality of tree vertices may be extracted for one tree crown. From the above, the search range should be set less than the representative tree interval of the target forest.

そして、設定された番号の樹木高グリッドデータＤｄｉｐからグリッドデータＤｐｐｉまでの間の距離ｄｉを求める（Ｓ３５）。本実施の形態では、例えば5mとして説明する。   Then, a distance di between the tree height grid data Ddip of the set number and the grid data Dppi is obtained (S35). In the present embodiment, description will be made assuming that the distance is 5 m, for example.

次に、設定された番号の樹木高グリッドデータＤｄｉｐとグリッドデータＤｐｐｉとの垂直方向の樹木高差ΔＺｃｉ（差であることを強調するためにΔを用いている）を求める（Ｓ３６）。   Next, a vertical tree height difference ΔZci (Δ is used to emphasize the difference) between the set tree height grid data Ddip and the grid data Dppi is obtained (S36).

次に、この樹木高差ΔＺｃｉを距離ｄｉで割った値（アスペクト比Ａｄｉ）を求め（Ｓ３７）、これを検索方向ｋｉｐと樹木高グリッドデータＤｄｉｐと、この番号とに対応（総称してグリッドデータ毎のアスペクト比データＶｉという）させてファイル３７に記憶する（Ｓ３８）。   Next, a value (aspect ratio Adi) obtained by dividing the tree height difference ΔZci by the distance di is obtained (S37), and this corresponds to the search direction kip, tree height grid data Ddip, and this number (collectively, grid data). Each aspect ratio data Vi) and stored in the file 37 (S38).

次に、図１０に示すように、検索方向ｋｉｐが奇数か偶数かどうかを判定する（Ｓ３９ａ）。   Next, as shown in FIG. 10, it is determined whether the search direction kip is odd or even (S39a).

ステップＳ３９ａにおいて、検索方向ｋｉｐが偶数と判定したときは、グリッドデータＤｐｐｉが７個かどうかを判定する（Ｓ３９ｂ）。ステップＳ３９ｂにおいて、グリッドデータＤｐｐｉが７個と判定したときは、処理を後述するステップＳ４１に移す。   In step S39a, when it is determined that the search direction kip is an even number, it is determined whether or not the grid data Dppi is 7 (S39b). In step S39b, when it is determined that the number of grid data Dppi is 7, the process proceeds to step S41 described later.

また、ステップＳ３９ｂにおいて、７個ではないと判定したときは、グリッドデータＤｐｐｉを次のグリッドデータに更新して処理を図９のステップＳ３４に戻す（Ｓ３９ｃ）。   If it is determined in step S39b that the number is not seven, the grid data Dppi is updated to the next grid data, and the process returns to step S34 in FIG. 9 (S39c).

また、ステップＳ３９ａにおいて、検索方向ｋｉｐが奇数と判定したときは、グリッドデータＤｐｐｉが１０個かどうかを判定する（Ｓ３９ｄ）。   If it is determined in step S39a that the search direction kip is an odd number, it is determined whether or not the grid data Dppi is 10 (S39d).

ステップＳ３９ｄにおいて、１０個と判定したときは、処理を後述するステップＳ４１に移す。   If it is determined in step S39d that there are ten, the process proceeds to step S41 described later.

前述のステップＳ３９ａ、３９ｂ、３９dの判定は、例えば０．５ｍメッシュにおいて検索範囲Ｍｉが５ｍであれば、上下左右方向の場合（奇数の場合）は１０個入るので１０個かどうかを判定している。また、斜め方向の場合（偶数の場合）は７個入るので７個かどうかを判定している。   For example, in the determination of steps S39a, 39b, and 39d described above, if the search range Mi is 5 m in a 0.5 m mesh, there are 10 in the vertical and horizontal directions (in the case of an odd number), so it is determined whether it is 10 or not. Yes. In the case of an oblique direction (even number), since seven pieces are entered, it is determined whether there are seven pieces.

図１１においては、５ｍではなく１ｍの検索範囲を示して、検索範囲Ｍｉ内の検索個数を説明している。   In FIG. 11, the number of searches in the search range Mi is described by showing a search range of 1 m instead of 5 m.

また、ステップＳ４１においては、検索方向ｋｉｐが８方向になったかどうかを判定する（Ｓ４１）。   In step S41, it is determined whether or not the search direction “kip” has become eight directions (S41).

ステップＳ４１において、検索方向ｋｉｐが８方向全てになっていないと判定したときは検索方向を次の検索方向に更新して（Ｓ４２）、処理をステップＳ３３に戻す。   If it is determined in step S41 that the search direction kip is not all eight directions, the search direction is updated to the next search direction (S42), and the process returns to step S33.

また、ステップＳ４１において検索方向ｋｉｐが８方向全てと判定したときは、エリア内の樹木高グリッドデータＤｄｉ（Ｄｄ１、Ｄｄ２、・・・）が最後かどうかを判定し（Ｓ４３）、最後でないときは、樹木高グリッドデータＤｄｉの番号を更新して（Ｓ４４）、処理を図９のステップＳ３２に戻す。   If it is determined in step S41 that the search direction kip is all eight directions, it is determined whether or not the tree height grid data Ddi (Dd1, Dd2,...) In the area is the last (S43). The number of the tree height grid data Ddi is updated (S44), and the process returns to step S32 in FIG.

また、ステップＳ４３において、樹木高グリッドデータＤｄｉが最後と判定したときは、アスペクト比更新処理を起動する（Ｓ４５）。   If it is determined in step S43 that the tree height grid data Ddi is the last, the aspect ratio update process is started (S45).

このアスペクト比更新処理の方法の前にアスペクト比と第１の地上・地下開度（φ１´、φ２´）との関係を説明する。   Prior to this aspect ratio updating process, the relationship between the aspect ratio and the first above-ground and underground opening (φ1 ′, φ2 ′) will be described.

地上・地下開度の算出には任意の点から比較する点の距離と標高差が必要となる。算出式は次式で表される。 The calculation of the ground and underground opening requires the distance between the points to be compared and the elevation difference. The calculation formula is expressed by the following formula.

Max_angle = tan^-1 (最大ΔZ/d)・・・・・・式（A）
Min_angle = tan^-1 (最小ΔZ/d)・・・・・・式（B）
ここで、ΔZは標高差、dは2点間の距離を表す。 Max_angle = tan ^-1 (maximum ΔZ / d) ··· Formula (A)
Min_angle = tan ^-1 (minimum ΔZ / d) ··· Formula (B)
Here, ΔZ represents an elevation difference and d represents a distance between two points.

第１の地上開度φ1´= 90−Max_angle・・・・・・式（C）
第２の地下開度φ2´= 90+ Min_angle・・・・・式（D）
方向毎に求めたアスペクト比（上記例では１０個）の中から最大及び最小のアスペクト比を抽出し、式Aと式Bから最大傾斜角と最小傾斜角を求め、式Cと式Dに当てはめて地上・地下開度（φ１´、φ２´）を算出する。但し、最大傾斜角と最小傾斜角の計算は後述するアスペクト比の更新の後となる。 1st ground opening φ1´ = 90−Max_angle formula (C)
Second underground opening φ2´ = 90+ Min_angle Expression (D)
The maximum and minimum aspect ratios are extracted from the aspect ratios obtained for each direction (10 in the above example), the maximum and minimum inclination angles are obtained from Equations A and B, and are applied to Equations C and D. The above-ground and underground opening (φ1 ′, φ2 ′) is calculated. However, the calculation of the maximum inclination angle and the minimum inclination angle is after updating the aspect ratio described later.

第１の地上開度φ１´及び第２の地下開度φ２´を求めるためのアスペクト比は例えば次のように更新する（図１２参照）。   The aspect ratio for obtaining the first ground opening φ1 ′ and the second underground opening φ2 ′ is updated as follows, for example (see FIG. 12).

（1）.「ΔZ/d」が−1.7320（−６０度）以下の場合は-1.7320（-60 度）とする（樹冠端部の極大化防止）。 (1) When “ΔZ / d” is −1.7320 (−60 degrees) or less, it is set to −1.7320 (−60 degrees) (to prevent the crown end from being maximized) .

（2）.「ΔZ/d」が-1.7320（-60 度）から0（0 度）の場合は-1.7320（-60 度）とする（樹冠山形状の強調）。 (2) When “ΔZ / d” is -1.7320 (-60 degrees) to 0 (0 degrees), it is set to -1.7320 (-60 degrees) (emphasis on crown tree shape) .

（3）.「ΔZ/d」が0（0 度）から1.7320（60 度）の場合は1.7320（60 度）とする（樹冠谷形状の強調）。 (3) When “ΔZ / d” is from 0 (0 degrees) to 1.7320 (60 degrees), it is set to 1.7320 (60 degrees) (emphasis on crown valley shape) .

（4）.「ΔZ/d」が1.7320（60 度）以上の場合は「ΔZ/d」の値を据え置く。 (4) When “ΔZ / d” is 1.7320 (60 degrees) or more, the value of “ΔZ / d” is left unchanged.

（5）.「ΔZ/d」が隣接する8 方位全てがマイナスである場合「ΔZ/d」を1000倍する（樹木頂点の強調）。 (5) When “ΔZ / d” is negative in all eight adjacent directions, “ΔZ / d” is multiplied by 1000 (emphasis of tree vertices) .

という処理である。 This is the process.

前述の（1）から（4）で60度を基準としてアスペクト比を更新しているが、これは現地調査でスギの樹冠形状が60度程度であったため、現地の樹冠形状に適した値として採用した。   In (1) to (4) above, the aspect ratio was updated based on 60 degrees, but this was a value suitable for the local crown shape because the crown shape of cedar was around 60 degrees in the field survey. Adopted.

すなわち、ここでは６０度と設定しているが、想定する樹冠形状によりオペレータが任意に角度を設定する。   That is, although 60 degrees is set here, the operator arbitrarily sets the angle according to the assumed crown shape.

更に、（５）では樹木頂点を強調するために「ΔZ/d」を1000 倍している。これにより最小角はほぼ-90度となり、最大限の樹木頂点強調が出来る。具体的には、（1）、（2）から「ΔZ/d」の変更後の値は-1.7320 となり、これを1000倍して角度を算出すると-89.9度となる。   Furthermore, in (5), “ΔZ / d” is multiplied by 1000 in order to emphasize tree vertices. As a result, the minimum angle is approximately -90 degrees, and maximum tree vertex enhancement is possible. Specifically, from (1) and (2), the value after the change of “ΔZ / d” is −1.7320, and when this is multiplied by 1000, the angle is calculated to be −89.9 degrees.

このように算出された第１の地上・地下開度（φ１´、φ２´）を用いて尾根谷度の算出式（φ3 =(φ1 −φ2)/2）と同様にして第１−１の樹冠形状指数φ3´を求める。この第１−１の樹冠形状指数φ3´を8 方位で計算し、平均化したものを第１−２の樹冠形状指数ｅｉとする。   Using the first above-ground and underground opening (φ1 ′, φ2 ′) calculated in this way, the first 1-1 is calculated in the same manner as the calculation formula for the ridge valley degree (φ3 = (φ1−φ2) / 2). Obtain the crown shape index φ3 ′. The 1-1 crown crown shape index φ3 ′ is calculated in 8 directions, and the averaged one is defined as the 1-2 crown crown shape index ei.

以下に第１−２の樹冠形状指数ｅｉを求めるまでの処理を具体的に説明する。初めにアスペクト比更新処理について説明する。   Hereinafter, the processing until obtaining the 1-2 crown shape index ei will be described in detail. First, the aspect ratio update process will be described.

アスペクト比更新処理について図１３のフローチャートを用いて説明を補充する。図１３に示すように、アスペクト比更新処理においては、ファイル３７の樹木高グリッドデータＤｄｉを設定し、検索方向ｋｉｐを設定する（Ｓ５０、Ｓ５１）。   The description of the aspect ratio update processing will be supplemented using the flowchart of FIG. As shown in FIG. 13, in the aspect ratio update process, the tree height grid data Ddi of the file 37 is set, and the search direction kip is set (S50, S51).

次に、設定された番号の樹木高グリッドデータＤｄｉの検索方向ｋｉｐ内でのアスペクト比データViの中から値が最大なアスペクト比（ＭＡＸＡｄｉ）、値が最小のアスペクト比（ＭＩＮＡｄｉ）を抽出（読込む）する（Ｓ５２）。   Next, the aspect ratio data Vi having the maximum value and the aspect ratio having the minimum value (MINAdi) are extracted from the aspect ratio data Vi within the search direction “kip” of the tree height grid data Ddi of the set number (reading). (S52).

例えば、0.5mグリッドデータを用いて、検索範囲Ｍｉが1mであるとき、ある検索方向において、アスペクト比が-2m/0.5mと-2m/1.0mであったとすると、これらの比は-4.0と-2.0になり、最大値が-2.0、最小値が-4.0となる。   For example, if the search range Mi is 1 m using 0.5 m grid data, and the aspect ratio is -2 m / 0.5 m and -2 m / 1.0 m in a certain search direction, these ratios are -4.0. -2.0, the maximum value is -2.0, and the minimum value is -4.0.

次に、読み込んだアスペクト比ＭＡＸＡｄｉ、ＭＩＮＡｄｉが上記（３）の０〜１．７３２０の範囲（角度では０度〜６０度）かどうかを判定する（Ｓ５３）。   Next, it is determined whether the read aspect ratios MAXAdi and MINAdi are in the range of 0 to 1.7320 (0 to 60 degrees in angle) of (3) (S53).

ステップＳ５３において、０〜１．７３２０の範囲と判定したときは、読み込んだアスペクト比ＭＡＸＡｄｉ、ＭＩＮＡｄｉを１．７３２０（ＭＡＸＡｄｉ、ＭＩＮＡｄｉ：Ａｄｂｉ）として処理をステップＳ５９に移す（Ｓ５４）。これにより、頂点から下の場合は、頂点から下の谷地形であることを強調する。   If it is determined in step S53 that the range is 0 to 1.7320, the read aspect ratios MAXAdi and MINAdi are set to 1.7320 (MAXAdi, MINAdi: Adbi), and the process proceeds to step S59 (S54). This emphasizes that if it is below the apex, it is a valley terrain below the apex.

また、ステップＳ５３において、０〜１．７３２０の範囲（角度では０度〜６０度）ではないと判定したときは、読み込んだアスペクト比が上記（４）の１．７３２０以上かどうかを判定する（Ｓ５５）。   If it is determined in step S53 that the angle is not within the range of 0 to 1.7320 (0 to 60 degrees in angle), it is determined whether or not the read aspect ratio is equal to or greater than 1.7320 of (4) above ( S55).

ステップＳ５５において、アスペクト比が１．７３２０以上と判定したときはそのアスペクト比（Ａｄｉ）をそのままの値（Ａｄａｉ）にして処理をステップＳ５９に移す（Ｓ５６）。   If it is determined in step S55 that the aspect ratio is equal to or greater than 1.7320, the aspect ratio (Adi) is set as it is (Adai), and the process proceeds to step S59 (S56).

また、ステップＳ５５において、読み込んだアスペクト比が１．７３２０以上ではないと判定したときは、読み込んだアスペクト比が上記の（１）の−１．７３２０以下かどうかを判定する（Ｓ５７）。   If it is determined in step S55 that the read aspect ratio is not 1.7320 or more, it is determined whether the read aspect ratio is -1.7320 or less of the above (1) (S57).

ステップＳ５７において、−１．７３２０以下であると判定したときは、ステップＳ５９-１に処理を移す。   If it is determined in step S57 that it is equal to or less than -1.7320, the process proceeds to step S59-1.

ステップＳ５９−１においては、抽出したアスペクト比を−１．７３２０（Ａｄｃｉ）にする。 In step S59-1, the extracted aspect ratio is set to -1.7320 (Adci).

これにより、樹冠端部と地盤との位置関係から生じるアスペクト比の極小化（樹冠形状指数では極大化）を防止する。   This prevents minimization of the aspect ratio (maximization of the crown shape index) resulting from the positional relationship between the crown end and the ground.

また、ステップＳ５７において、−１．７３２０以下ではないと判定したときは、抽出したアスペクト比（０〜−１．７３２０（２）(０を除く)）を−１．７３２０（Ａｄｃｉ）にする（Ｓ５９−２）。   If it is determined in step S57 that it is not equal to or less than -1.7320, the extracted aspect ratio (0 to -1.7320 (2) (excluding 0)) is set to -1.7320 (Adci) ( S59-2).

これにより、樹冠端部から上の場合は、樹冠端部から上の形状形であることを強調する。 Thereby, when it is above a crown end, it emphasizes that it is a shape top from a crown end.

また、前述のステップＳ５４、ステップＳ５６、ステップＳ５９−２、ステップＳ５９−１のアスペクト比をファイル３７に記憶する（Ｓ５９）
次に、検索方向ｋｉｐが８かどうかを判定し（Ｓ６１）、８方向になっていないときは検索方向を更新して処理をステップＳ５１に戻す（Ｓ６２−１）。 Further, the aspect ratios of the above-described step S54, step S56, step S59-2, and step S59-1 are stored in the file 37 (S59).
Next, it is determined whether or not the search direction “kip” is 8 (S61). If the search direction “kip” is not 8 directions, the search direction is updated, and the process returns to step S51 (S62-1).

ステップＳ６２において、隣接する８方向の樹木高グリッドデータのアスペクト比が、前記水平軸を基準として全てマイナスと判定したときは、８方向の更新後のアスペクト比を１０００倍（Ａｄｄｉ）する（Ｓ６３）。すなわち、頂点を強調する。     If it is determined in step S62 that the aspect ratios of the adjacent tree height grid data in the eight directions are all negative with respect to the horizontal axis, the updated aspect ratio in the eight directions is multiplied by 1000 (Addi) (S63). . That is, the vertex is emphasized.

次に、検索エリア内で樹木高グリッドデータＤｄｉが最後かどうかを判定し（Ｓ６４）、最後でないときは次の番号の樹木高グリッドデータＤｄｉに更新して処理をステップＳ５０に戻す（Ｓ６５）。   Next, it is determined whether or not the tree height grid data Ddi is the last in the search area (S64). If it is not the last, the tree height grid data Ddi of the next number is updated and the process returns to step S50 (S65).

すなわち、ファイル３７には、ステップＳ５９の処理によって、図１４に示すように、設定された番号の樹木高グリッドデータＤｄｉ（図１４においてはｉ＝１）と検索方向ｋｐｉと抽出したＭＡＸＡｄｉ、ＭＩＮＡｄｉと更新したアスペクト比とが対応させられて保存されている。   That is, in the file 37, the tree height grid data Ddi (i = 1 in FIG. 14) and the search direction kpi of the set number and the extracted MAXAdi, MINAdi, as shown in FIG. The updated aspect ratio is stored in correspondence.

更新したアスペクト比は、アスペクト比Ａｄｉのままの値（Ａｄａｉ）又は１．７３２０（Ａｄｂｉ）又は−１．７３２０（Ａｄｃｉ）若しくは上記3種類のいずれかの値を１０００倍したアスペクト比（Ａｄｄｉ）のいずれかである。   The updated aspect ratio is the value of the aspect ratio Adi (Adai) or 1.7320 (Adbi) or 1.7320 (Adci), or an aspect ratio (Addi) obtained by multiplying any of the above three values by 1000. Either.

これらを総称して本実施の形態では更新されたアスペクト比を更新アスペクト比と称する。   In the present embodiment, the updated aspect ratio is collectively referred to as an updated aspect ratio.

次に、第１の樹冠形状指数算出部３２の樹冠形状指数の算出を図１６のフローチャートを用いて説明する。検索エリア内の各樹木高グリッドデータからの検索範囲において全てのアスペクト比の更新が行われると、図１６に示すように樹木高グリッドデータＤｄｉの番号を設定し（Ｓ７０）、検索方向ｋｉｐを設定する（Ｓ７１）。   Next, calculation of the crown shape index of the first crown shape index calculation unit 32 will be described with reference to the flowchart of FIG. When all the aspect ratios are updated in the search range from each tree height grid data in the search area, the tree height grid data Ddi number is set as shown in FIG. 16 (S70), and the search direction kip is set. (S71).

次に、設定されたＤｄｉ、ｋｉｐに対応する更新アスペクト比を引当、この更新アスペクト比の中から最大アスペクト比ＭＡＸＡｄｉ（アスペクト比Ａｄｉのまま又は１．７３２０又は−１．７３２０又は前記Ａｄｉを１０００倍したアスペクト比又は1732又は-1732のいずれか）と、最小アスペクト比ＭＩＮＡｄｉ（アスペクト比Ａｄｉのまま又は１．７３２０又は−１．７３２０又は前記Ａｄｉを１０００倍したアスペクト比又は1732又は-1732のいずれか）読み込む（Ｓ７２）。次に、ＭＡＸ ａｎｇｌｅ＝tan ^-1 (ＭＡＸＡｄｉ)及びＭＩＮ ａｎｇｌｅ＝tan ^-1 (ＭＡＸＡｄｉ)として求める（Ｓ７３）。 Next, an update aspect ratio corresponding to the set Ddi and kip is allocated, and the maximum aspect ratio MAXAdi (with the aspect ratio Adi or 1.7320 or -17320 or the Adi is multiplied by 1000 from the updated aspect ratio The aspect ratio or either 1732 or -1732) and the minimum aspect ratio MINAdi (the aspect ratio remains Adi or 1.7320 or -17320 or an aspect ratio obtained by multiplying the Adi by 1000 or 1732 or -1732 ) (S72). Next, it is obtained as MAX angle = tan ⁻¹ (MAXAdi) and MIN angle = tan ⁻¹ (MAXAdi) (S73).

そして、第１の地上開度φ１´と第１の地下開度φ２´を算出する。（Ｓ７４）。 Then, the first ground opening φ1 ′ and the first underground opening φ2 ′ are calculated. (S7 4 ).

第１の地上開度φ１´＝９０度−tan^-1(ＭＡＸＡｄｉ)
第１の地下開度φ２´＝９０度＋tan^-1(ＭＩＮＡｄｉ)
次に、この第１の地上開度φ１´と第１の地下開度φ２´とを用いて第１−１の樹冠形状指数φ３´を求める（Ｓ７５）。 First ground opening φ1 '= 90 degrees -tan ^-1 (MAXAdi)
First underground opening φ2 '= 90 degrees + tan ^-1 (MINAdi)
Next, a 1-1 crown crown shape index φ3 ′ is obtained using the first ground opening φ1 ′ and the first underground opening φ2 ′ (S7 5 ).

第１−１の樹冠形状指数φ３´＝（φ１´−φ２´）／２
次に、８方位全てに対して樹冠形状指数を求めたかどうかを判断する（Ｓ７６）。ステップＳ７６において８方位全てに対して第１−１の樹冠形状指数φ３´を求めていないと判定したときは、検索方向を更新して処理をステップＳ７１に戻す（Ｓ７７）。 1-1st crown shape index φ3 ′ = (φ1′−φ2 ′) / 2
Next, it is determined whether or not the crown shape index has been obtained for all eight directions (S7 6 ). Step S7 when the relative 6 8 directions all in determined not to seek the 1-1 crown shape index φ3' returns the Update process search direction to step S71 (S7 7).

次に、ステップＳ７５で８方位全てに対して第１−１の樹冠形状指数φ３´を求めたと判定したときは、これを平均化（８方位）する（Ｓ７８）。 Next, when it is determined in step S75 that the 1-1st crown shape index φ3 ′ has been obtained for all eight directions, this is averaged (eight directions) (S7 8 ).

そして、この平均化された第１−２の樹冠形状指数ｅｉを、樹木高グリッドデータＤｄｉを中心とした検索範囲での第１−２の樹冠形状指数ｅｉとして（Ｓ７９）、樹冠グリッドデータＤｄｉにリンク付けしてファイル３７に記憶する（Ｓ８０）。 Then, the crown shape index ei of 1-2 this, averaged, trees high grid data Ddi as a 1-2 crown shape index ei on search range around the (S7 9), crown grid data Ddi And is stored in the file 37 (S 80 ).

次に、検索エリア内の樹冠グリッドデータＤｄｉの番号が最後かどうかを判定し（Ｓ８１）、最後でないときは樹冠グリッドデータＤｄｉの番号を更新して（Ｓ８２）、処理をステップＳ７０に戻す。 Next, it is determined whether or not the number of the canopy grid data Ddi in the search area is the last (S81) . If it is not the last, the number of the canopy grid data Ddi is updated (S82), and the process returns to step S70.

最後に第１−２の樹冠形状指数ｅｉを局所領域Ｊｉ（例えば3×3pixel）で平滑化したものを第１−３の樹冠形状指数Ｇｅｉとして検索範囲に対応させてファイル３７に記憶する。   Finally, the first-second crown shape index ei smoothed by the local region Ji (for example, 3 × 3 pixels) is stored in the file 37 as the first-third crown shape index Gei corresponding to the search range.

すなわち、ファイル３７には図１４に示すように、設定された樹木高グリッドデータＤｄｉと、検索方向ｋｉｐと、更新前のＭＡＸ、ＭＩＮのアスペクト比と、更新後のＭＡＸ、ＭＩＮの更新アスペクト比とが検索方向毎に、リンクつけされて記憶されている。   That is, in the file 37, as shown in FIG. 14, the set tree height grid data Ddi, the search direction kip, the aspect ratio of MAX and MIN before update, the update aspect ratio of MAX and MIN after update, Are stored in a linked manner for each search direction.

また、ファイル３７には図１５に示すように、設定された樹木高グリッドデータＤｄｉの番号と、そのＸ、Ｙ座標と、樹木高の差Ｚと、次の番号の樹木高グリッドデータと、このＸ、Ｙ座標と、距離ｄｉと、第１−１の樹冠形状指数φ３´と、この第１−１の樹冠形状指数φ３´を得たときの地上開度φ１´と、地下開度φ２´とが検索方向にリンクつけされ、また、８方向全てで平均化した第１−２の樹冠形状指数ｅｉ等が対応させて記憶されている。図１５には、平滑後の第１−３の樹冠形状指数Ｇｅｉを対応させて例示している。   In addition, as shown in FIG. 15, the file 37 includes the number of the set tree height grid data Ddi, its X and Y coordinates, the tree height difference Z, the tree number grid data of the next number, X, Y coordinates, distance di, 1-1 crown shape index φ3 ′, ground opening φ1 ′ when the 1-1 crown shape index φ3 ′ is obtained, and underground opening φ2 ′ Are linked in the search direction, and the 1-2 crown shape index ei and the like averaged in all eight directions are stored in association with each other. FIG. 15 illustrates the first to third canopy shape indices Gei after smoothing.

次に、頂点候補の抽出、閾値の算出方法、樹冠部の抽出処理の概略を以下に説明する。   Next, an outline of vertex candidate extraction, threshold calculation methods, and tree crown extraction processing will be described below.

頂点候補の抽出
ここでは樹冠形状指数から樹木頂点候補を抽出する。抽出方法は次の通りである。樹冠形状指数に局所最大値フィルタを適用し、局所領域Ｆｉ内の最大値を中央画素値に置き換える。この際、局所領域Ｆｉを例えば3×3に設定した。このフィルタ処理後の指標と処理前の指標を比較し、処理前後で第１−３の樹冠形状指数Ｇｅｉが同値であったときに、その地点を「樹木頂点候補」として抽出する。 Extraction of vertex candidates Here, tree vertex candidates are extracted from the crown shape index. The extraction method is as follows. A local maximum value filter is applied to the canopy shape index, and the maximum value in the local region Fi is replaced with the central pixel value. At this time, the local region Fi is set to 3 × 3, for example. The index after filtering is compared with the index before processing, and when the first to third crown shape index Gei is the same before and after the processing, the point is extracted as a “tree vertex candidate”.

局所最大値フィルタ２０は、第１−３の樹冠形状指数Ｇｅｉに対して、局所領域Fiの局所最大値フィルタを適用して、これをファイル２７に保存（Ｄｆｉ）する。 The local maximum value filter 20 applies the local maximum value filter of the local region Fi to the first to third canopy shape index Gei, and saves it in the file 27 (Dfi).

次に、樹木頂点候補抽出部２１がファイル２７のデータＤｆｉを頂点候補（以下Ｄｇｉ）として抽出し、ファイル２２に保存する。具体的にはファイル３７のデータの値とファイル２７の同じ座標値のデータの値が同値の場合を「１」と、他を「０」としてファイル２２に定義する（図２０参照）。   Next, the tree vertex candidate extraction unit 21 extracts the data Dfi of the file 27 as a vertex candidate (hereinafter referred to as Dgi) and stores it in the file 22. Specifically, the value of the data in the file 37 and the data of the same coordinate value in the file 27 are defined as the same value in the file 22 as “1” and the other as “0” (see FIG. 20).

ここで、局所最大フィルタ部２０及び樹木頂点候補抽出部２１の処理について説明を補充する。   Here, the description of the processes of the local maximum filter unit 20 and the tree vertex candidate extraction unit 21 is supplemented.

局所最大フィルタ部２０（Local max filter２０ともいう）は、ファイル３７の第１の樹冠形状情報Ｇｉの第１−３の樹冠形状指数Ｇｅｉ（Ｇｅ１、Ｇｅ２・・）に局所領域Fi内で最大となる値を局所領域Fiの中央画素値に置き換える処理を順次行う。これらをＤｆｉとしてファイル２７に保存する。   The local maximum filter unit 20 (also referred to as Local max filter 20) has a maximum in the local region Fi at the first to third crown shape index Gei (Ge1, Ge2,...) Of the first crown shape information Gi of the file 37. The process of replacing the value with the central pixel value of the local area Fi is sequentially performed. These are stored in the file 27 as Dfi.

そして、樹木頂点候補算出部２１がデータＤｆｉとファイル３７のＧｅｉとを比較し、値が同じものを頂点候補Ｄｇｉとしてファイル２２に保存している。     Then, the tree vertex candidate calculation unit 21 compares the data Dfi with the Gei of the file 37, and stores the same value as the vertex candidate Dgi in the file 22.

次に樹冠部を抽出する閾値の算出方法及び樹冠部の抽出処理を説明する。   Next, a threshold value calculation method for extracting a tree crown part and a tree crown part extraction process will be described.

閾値以上の領域を樹冠部として抽出するが、これまで閾値は対象とする林分のオルソ画像で単木を目視確認して、同様に樹木が分割される値を閾値としていた。この手法で設定される閾値は一定値であることから樹冠部であっても閾値より小さい場合は樹冠部として抽出できなかった。この問題を解決するため、新たに画像に応じた閾値を局所領域Ｈｉ（3×3pixel や5×5pixel など）による算出で動的に決定する。   The area above the threshold is extracted as a tree crown, but until now, the threshold has been determined by visually confirming a single tree with an orthoimage of the target forest, and the value by which the tree is similarly divided is used as the threshold. Since the threshold value set by this method is a constant value, even if it is a crown part, if it is smaller than the threshold value, it could not be extracted as a crown part. In order to solve this problem, a new threshold value corresponding to an image is dynamically determined by calculation using a local area Hi (3 × 3 pixels, 5 × 5 pixels, etc.).

初めに一つの樹冠領域を想定する。更に、この一つの樹冠領域に対して樹冠部として抽出する領域を想定する（図１７）。ここでは尾根形状による隣木との同一化を防ぐために、樹冠領域に対して半分程度を樹木頂点が一つ含まれる樹冠部として抽出する。樹冠領域を3×3pixel から9×9pixel を想定すると樹冠部は1×1 から4×4 となり、樹冠領域に対する樹冠部の割合は平均して16％となる（表１）。
First, assume one crown area. Further, an area to be extracted as a tree crown portion for this one tree crown area is assumed (FIG. 17). Here, in order to prevent identification with the adjacent tree due to the ridge shape, about half of the crown area is extracted as a crown part including one tree vertex. Assuming the canopy area from 3 x 3 pixels to 9 x 9 pixels, the crown area is 1 x 1 to 4 x 4, and the ratio of the canopy area to the canopy area is 16% on average (Table 1).

なお、0.5m グリッドデータ使用していることから、樹冠領域は1.5m×1.5m から4.5m×4.5m となり、現地で確認した樹冠領域と同等と考える。この樹冠領域を局所領域として、樹冠部の割合が16％程度になるように、局所領域の平均値（μ）に標準偏差（σ）を足した値を閾値とした。設定根拠は次の通りである。正規分布しているヒストグラムにおいて平均値の±σの範囲は全pixel の68％を占める。更に最小値から平均値の＋σの範囲を考えると84％に該当し、μ＋σ以上の範囲が16%を占める（図１８）。   In addition, since 0.5m grid data is used, the crown area is 1.5m x 1.5m to 4.5m x 4.5m, which is considered to be equivalent to the tree crown area confirmed locally. The value obtained by adding the standard deviation (σ) to the average value (μ) of the local region so that the ratio of the crown portion is about 16% with the crown region as a local region was used as a threshold value. The grounds for setting are as follows. In a normally distributed histogram, the range of ± σ of the average value occupies 68% of all pixels. Further, considering the range of + σ from the minimum value to the average value, it corresponds to 84%, and the range of μ + σ or more occupies 16% (FIG. 18).

具体的には局所領域Ｈｉ内の平均値と標準偏差を求め、平均値と標準偏差の和を中央画素値に置き換える。第１−３の樹冠形状指数Ｇｅｉと動的閾値Ｈｇｉを比較して樹冠形状指数が大きければ、樹冠部として抽出する。   Specifically, an average value and a standard deviation in the local area Hi are obtained, and the sum of the average value and the standard deviation is replaced with the central pixel value. The first to third crown shape index Gei and the dynamic threshold Hgi are compared, and if the crown shape index is large, it is extracted as a crown portion.

次に、図１９のフローチャートを用いて具体的に樹冠部の抽出処理を説明する。初めに局所領域Ｈｉを設定する（Ｓ８０）。   Next, tree crown extraction processing will be specifically described with reference to the flowchart of FIG. First, a local area Hi is set (S80).

本実施の形態では所定エリアの樹木高グリッドデータＤｉが画像化されてオルソフォト画像に重ね表示されているとする。画面に表示された樹木高グリッドデータＤｄｉを本実施の形態では画像化されたグリッドデータＲｉと称する。   In the present embodiment, it is assumed that the tree height grid data Di of a predetermined area is imaged and displayed superimposed on the orthophoto image. The tree height grid data Ddi displayed on the screen is referred to as imaged grid data Ri in the present embodiment.

この状態で、オペレータは例えば３ピクセル×３ピクセルの局所領域Ｈｉを入力する。
樹冠部決定処理は、局所領域、検索エリアをメモリ（図示せず）に設定する初期設定を行う（Ｓ８０）。 In this state, the operator inputs a local area Hi of 3 pixels × 3 pixels, for example.
In the tree crown determination process, an initial setting for setting a local region and a search area in a memory (not shown) is performed (S80).

次に、閾値算出部が検索エリアの画像化されたグリッドデータＲｄｉを全てリードする（Ｓ８１）。   Next, the threshold value calculation unit reads all the imaged grid data Rdi in the search area (S81).

次に、これらのグリッドデータＲｄｉの中からグリッドデータＲｄｎを設定し（Ｓ８２）、設定した局所領域Ｈｉに基づき、グリッドデータＲｄｎ（Ｘｄｎ、Ｙｄｎ、樹木高dn）を中心に、このグリッドデータの座標値を有する第１の樹冠形状情報Ｇｉ（３×３）をファイル３７からリードする（Ｓ８３）。   Next, the grid data Rdn is set from these grid data Rdi (S82), and based on the set local area Hi, the coordinates of the grid data are centered on the grid data Rdn (Xdn, Ydn, tree height dn). First crown shape information Gi (3 × 3) having a value is read from the file 37 (S83).

このリードされた３×３の第１の樹冠形状情報Ｇｉは、第１−３の樹冠形状指数ＧｅｉをＺｉとし、グリッドデータＤｄｉのＸ軸をＤｘｉ、Ｙ軸をＤｙｉと記載する。   In the read 3 × 3 first tree crown shape information Gi, the 1-3 tree crown shape index Gei is described as Zi, the X axis of the grid data Ddi is described as Dxi, and the Y axis is described as Dyi.

例えば、
（Ｄｘ１、Ｄｙ１、Ｚ１）、（Ｄｘ２、Ｄｙ２、Ｚ２）、（Ｄｘ３、Ｄｙ３、Ｚ３）
（Ｄｘ４、Ｄｙ４、Ｚ４）、（Ｄｘ５、Ｄｙ５、Ｚ５）、（Ｄｘ６、Ｄｙ６、Ｚ６）
（Ｄｘ７、Ｄｙ７、Ｚ７）、（Ｄｘ８、Ｄｙ８、Ｚ８）、（Ｄｘ９、Ｄｙ９、Ｚ９）
Ｚｉ：平均化、平滑された第１−３の樹冠形状指数Ｇｅｉ
となる。 For example,
(Dx1, Dy1, Z1), (Dx2, Dy2, Z2), (Dx3, Dy3, Z3)
(Dx4, Dy4, Z4), (Dx5, Dy5, Z5), (Dx6, Dy6, Z6)
(Dx7, Dy7, Z7), (Dx8, Dy8, Z8), (Dx9, Dy9, Z9)
Zi: Averaged and smoothed first to third crown shape index Gei
It becomes.

そして、閾値算出部３５がこれらの第１−３の樹冠形状指数Ｇｅｉの平均値（μ）と標準偏差（σ）とを算出し（Ｓ８４）、これらの和を求め、これを設定した局所領域Ｈｉの閾値（Ｈｇｉ）として求める（Ｓ８５）。 Then, the threshold calculation unit 35 calculates the average value (μ) and the standard deviation (σ) of these first to third canopy shape indices Gei (S84), finds the sum of these, and sets the local region The threshold value (Hgi) of Hi is obtained (S85).

次に、閾値算出部３５は、設定したＲｄｎに対応した閾値を樹冠部抽出部２３に出力する（Ｓ８６）。樹冠部抽出部２３は第１−３の樹冠形状指数Ｇｅｉとこの閾値とを比較する（Ｓ８７）。   Next, the threshold value calculation unit 35 outputs a threshold value corresponding to the set Rdn to the crown portion extraction unit 23 (S86). The tree crown extraction unit 23 compares the first to third tree crown shape index Gei with this threshold value (S87).

そして、閾値（Ｈｇｉ）に対して第１−３の樹冠形状指数Ｇｅｉが大きいかどうかを判定する（Ｓ８８）。ステップＳ８８において、第１−３の樹冠形状指数Ｇｅｉの方が大きいと判定したときは、樹冠部とする（Ｓ８９）。   Then, it is determined whether or not the first to third crown shape index Gei is larger than the threshold value (Hgi) (S88). If it is determined in step S88 that the first to third canopy shape index Gei is larger, a crown portion is determined (S89).

次に、グリッドデータＲｄｉは最後かどうかを判定し（Ｓ９１）、最後でないときはグリッドデータＲｄｉを次のグリッドデータに更新し、処理をステップＳ８２に戻す（Ｓ９２）。   Next, it is determined whether the grid data Rdi is the last (S91). If it is not the last, the grid data Rdi is updated to the next grid data, and the process returns to step S82 (S92).

また、ステップＳ８８において閾値（Ｈｇｉ）の方が大きいと判定したときは、樹冠部ではないと判定する（Ｓ９０）。   Moreover, when it determines with the threshold value (Hgi) being larger in step S88, it determines with it not being a tree crown part (S90).

また、樹冠部抽出部２３が閾値Ｈｇによって樹冠部のデータＤｈｉを抽出し、これをファイル２４に保存している（図２１参照）。   Further, the tree crown part extracting unit 23 extracts the data Dhi of the tree crown part with the threshold value Hg and stores it in the file 24 (see FIG. 21).

図２１（ａ）のデータＤｈｉは、閾値を超えるＧｅｉを抽出したものであり、例えば番号１のエリアの第１−３の樹冠形状指数Ｇｅｉは、（Ｘｈ５、Ｙｈ５）を「１」、（Ｘｈ６、Ｙｈ６）を「１」・・（Ｘｈ１０、Ｙｈ１０）を「１」として示している。   The data Dhi in FIG. 21A is obtained by extracting Gei exceeding the threshold. For example, the 1-3 crown crown shape index Gei in the area of number 1 has (Xh5, Yh5) set to “1”, (Xh6 , Yh6) is shown as “1” (Xh10, Yh10) as “1”.

図２１の（ｂ）は図２１（ａ）を具体的に示すものであり、閾値を超えた画素は「１」とする。「１」が連続している範囲が樹冠部である。   FIG. 21B specifically shows FIG. 21A, and the pixel exceeding the threshold is set to “1”. The range in which “1” continues is the crown portion.

そして、ファイル２４の中の頂点候補ＤｈｉのＸｈｉ、Ｙｈｉをポリゴン化（座標Ｘｈｉ、Ｙｈｉと色情報）して表示処理部１９によってラベルリング（纏まったエリアを（樹冠部）にラベルを振る）させる（図２６参照）
次に、樹木頂点決定部２５は、ファイル２４のデータＤｈｉ（Ｄｈ１、Ｄｈ２・・）とファイル２２の頂点候補Ｄｇｉ（Ｄｇ１、Ｄｇ２・・）とを重ね合わせ一致したものを仮の頂点と決定する。そして、樹冠部のエリア内に複数の仮の頂点が存在するときは、この樹冠部のエリアで最も樹木高が高いものを単木の頂点として決定し、これをファイル２９に保存する（Ｐｉ）。表示処理部１９は決定した頂点を画面に表示する（図２３参照）。
前述の頂点の決定について説明を補充する。例えば、図２２の（ａ）に示すように、ファイル２４に第１列目が「００１１００１１１００」、第２列目が「０１１１１０１１１１０」、第３列目が「００１１０００１０００」、第４列目が「０００００１０００１１」という具合に頂点上部域が得られた場合に、図２２（ｂ）に示すように、「１」が隣接するまとまり（「０」が区切り）を１つの樹冠部としてまとまり毎に通し番号を割り振っていく。 Then, Xhi and Yhi of the vertex candidate Dhi in the file 24 are converted into polygons (coordinates Xhi and Yhi and color information) and are labeled by the display processing unit 19 (labels are put on the collected area (tree crown)). (See Figure 26)
Next, the tree vertex determining unit 25 determines a superimposition of the data Dhi (Dh1, Dh2,...) In the file 24 and the vertex candidate Dgi (Dg1, Dg2,. . When there are a plurality of temporary vertices in the area of the tree crown, the tree having the highest tree height in the area of the tree crown is determined as a single tree vertex and stored in the file 29 (Pi). . The display processing unit 19 displays the determined vertex on the screen (see FIG. 23).
The explanation of the above-described vertex determination will be supplemented. For example, as shown in FIG. 22A, in the file 24, the first column is “00110011100”, the second column is “011111011110”, the third column is “001110001000”, and the fourth column is “00000100011”. When the top vertex area is obtained, as shown in FIG. 22 (b), serial numbers are assigned to each group with a group of adjacent "1" (separated by "0") as one crown. To go.

そして、例えば、同一高の頂点が樹冠内に複数の頂点が存在することになると、一度、ファイル２８のデータＤＱｉを表示させて、オペレータによって指定させ、指定されたものを頂点Ｐｉと決定してファイル２９に保存する。   For example, if there are a plurality of vertices in the crown having the same height, the data DQi of the file 28 is displayed once and designated by the operator, and the designated one is determined as the vertex Pi. Save to file 29.

このような処理によって第１−３の樹冠形状指数Ｇｅｉによる樹木頂点抽出結果は、図８、図２３に示すように頂点が求められている。   As a result of such processing, as shown in FIGS. 8 and 23, vertices are obtained as tree vertex extraction results based on the first to third crown shape index Gei.

また、表２に尾根谷度と第１−３の樹冠形状指数Ｇｅｉの樹木頂点抽出結果の比較を示す。
Table 2 shows a comparison of tree vertex extraction results of the degree of ridge valley and the first to third crown shape index Gei.

表２から、抽出精度は同程度であるが、抽出率及び正解率が向上していることが分かる。
以上から第１−３の樹冠形状指数Ｇｅｉの有意性が確認できた。 From Table 2, it can be seen that the extraction accuracy is about the same, but the extraction rate and the accuracy rate are improved.
From the above, the significance of the 1-3 crown shape index Gei could be confirmed.

また、図２４の尾根谷度画像では林道に接した樹木は極大化して画像が明るくなっているが図２５の樹冠形状指数画像では同箇所が暗くなり、極大化を解消していることがわかる。   In addition, in the ridge valley degree image of FIG. 24, the tree in contact with the forest road is maximized and the image is brightened, but in the crown shape index image of FIG. 25, the same part is darkened and it is understood that the maximization is eliminated. .

次に、尾根谷度及び第１−３の樹冠形状指数による樹木頂点の抽出数、判読による樹木頂点数と現地で樹冠上層部に到達していると確認した樹木本数を表３にまとめる。
Next, Table 3 summarizes the number of extracted tree vertices based on the degree of ridge valley and the 1-3th crown shape index, the number of tree vertices by interpretation, and the number of trees confirmed to have reached the upper layer of the tree at the site.

表から、尾根谷度による樹木頂点抽出はP8-2 を除いて3〜4 割の程度の抽出率であったのに対して、第１−３の樹冠形状指数Ｇｅｉによる樹木頂点抽出は7〜9 割の抽出率であった。また、空中写真からの情報では密度の高い森林において樹木の抽出に限界があることがわかっている。このことから、同様に上空からの情報であるレーザデータを用いた樹木頂点抽出では判読による樹木頂点数を検証値として考えることもできる。   From the table, tree vertex extraction by ridge valley degree was about 30-40% excluding P8-2, whereas tree vertex extraction by 1-3 crown shape index Gei was 7 ~ The extraction rate was 90%. In addition, information from aerial photographs shows that there is a limit to tree extraction in dense forests. From this, similarly, tree vertex extraction using laser data, which is information from the sky, can consider the number of tree vertices by interpretation as a verification value.

そこで、第１−３の樹冠形状指数Ｇｅｉによる樹木頂点抽出と判読による樹木頂点の割合を算出した。その結果、第１−３の樹冠形状指数Ｇｅｉによる樹木頂点抽出数は判読の樹木頂点数の8 割強〜10 割強であった。以上から、第１−３の樹冠形状指数Ｇｅｉによる樹木頂点抽出は尾根谷度による抽出よりも倍近い抽出率が得られ、なおかつ、目視判読による樹木頂点抽出とほぼ同レベルで行えることが検証できた。   Therefore, the ratio of tree vertices by tree vertex extraction and interpretation by the first to third crown shape index Gei was calculated. As a result, the number of tree vertices extracted by the 1-3 crown crown shape index Gei was more than 80% to more than 100% of the number of interpreted tree vertices. From the above, it can be verified that tree vertex extraction by the 1-3 crown shape index Gei has an extraction rate nearly double that of extraction by ridge valley degree, and can be performed at the same level as tree vertex extraction by visual interpretation. It was.

また、本実施の形態は、図２７に示すようなコンピュータシステムVPSによって実現するのが好ましい。ＶＰＳ１は、ワークステーション、プロセッサ、マイクロコンピュータ、ロジック、レジスタ等の適宜な組み合わせからなる中央情報処理装置（CPU）と、この中央情報処理装置に必要な制御・操作情報を入力するキーボード（KB）、マウス、対話型ソフトスイッチ、外部通信チャネル等を含む情報入力部と、中央情報処理装置から出力された情報を広義な意味で表示・伝送するディスプレイ、プリンタ、外部通信チャネル等を含む情報出力部と、中央情報処理装置に読み込まれるオペレーティングシステム、アプリ
ケーションプログラム等の情報が格納されたロム（ＲＯＭ）と、中央情報処理装置で随時処理すべき情報及び中央情報処理装置から随時書き込まれる情報を格納するラム（ＲＡＭ）等とを備える。ＲＯＭ、ＲＡＭを適宜統合、細分化することは差し支えない。 Further, this embodiment is preferably realized by a computer system VPS as shown in FIG. The VPS 1 includes a central information processing device (CPU) composed of an appropriate combination of workstation, processor, microcomputer, logic, registers, etc., and a keyboard (KB) for inputting control / operation information necessary for the central information processing device, An information input unit including a mouse, an interactive soft switch, an external communication channel, etc., and an information output unit including a display, a printer, an external communication channel, etc. that display and transmit information output from the central information processing device in a broad sense A ROM that stores information such as an operating system and application programs read by the central information processing apparatus, and a ram that stores information to be processed by the central information processing apparatus and information to be written from the central information processing apparatus at any time. (RAM) and the like. It is possible to integrate and subdivide ROM and RAM as appropriate.

前述のアプリケーションプログラムは、本実施の形態の、樹木高算出部１４と、検索範囲決定部１７と、局所領域設定部３６と、第１の樹冠形状指数算出部３２と、閾値算出部３５と、局所最大フィルタ２０（Ｌｏｃａｌ max ｆｉｌｔｅｒともいう）と、樹木頂点候補抽出部２１と、樹冠部抽出部２３と、第１の樹木頂点決定部２５と、出力部３０等である。   The application program described above includes the tree height calculation unit 14, the search range determination unit 17, the local region setting unit 36, the first crown shape index calculation unit 32, the threshold calculation unit 35, and the present embodiment. A local maximum filter 20 (also referred to as a Local max filter), a tree vertex candidate extraction unit 21, a crown portion extraction unit 23, a first tree vertex determination unit 25, an output unit 30, and the like.

なお、上記実施の形態では、画面において決定した検索エリアにおける樹木の各樹木頂点を求めるとしたが、検索エリアではなく、樹木画像上で軌跡Ａｉを描き、この軌跡Ａｉ上における樹木の頂点を抽出してもよい。   In the above embodiment, the tree vertices of the tree in the search area determined on the screen are obtained. However, instead of the search area, the locus Ai is drawn on the tree image, and the tree vertices on the locus Ai are extracted. May be.

つまり、軌跡Ａｉの樹木高グリッドデータを抽出し、この樹木高グリッドデータに対応する第１−３の樹木形状指数Ｇｅｉを読み出し、この樹木形状指数Ｇｅｉによって頂点を決定する。   That is, the tree height grid data of the locus Ai is extracted, the first to third tree shape indices Gei corresponding to the tree height grid data are read, and the vertices are determined by the tree shape indices Gei.

＜実施の形態２＞
スギ、ヒノキ人工林は通常3000 本/ha 植栽され、林齢17 年程度で第1 回間伐が行われる。伐採率は3 割程度であるが、自然枯死を併せると間伐後は1950 本/ha 程度となる。 <Embodiment 2>
Sugi and Hinoki plantations are usually planted at 3000 trees / ha, and the first thinning is carried out at a forest age of about 17 years. The harvesting rate is about 30%, but when combined with natural mortality, it will be about 1950 trees / ha after thinning.

その後、6〜8 年毎に第2 回、第3 回の間伐（間伐率は共に約3 割）を行い、950 本/ha 程度の立木密度にして収穫を行う。現在日本のスギ、ヒノキの植林は少なく、そのほとんどは林齢20 年以上であり、第1 回の間伐は実施されていることと想定される。   Then, every 6-8 years, the second and third thinning (both thinning rates are about 30%), and harvesting is performed at a density of about 950 trees / ha. At present, there are few Japanese cedar and cypress plantations, most of which are over 20 years old, and it is assumed that the first thinning has been implemented.

このことから、第2 回の間伐が終了しているか判断するためにも2000 本/ha 程度の立木密度の森林を把握することが求められる。   For this reason, it is necessary to grasp forests with a density of about 2000 trees / ha to determine whether the second thinning has been completed.

本実施の形態２は2000 本/ha 程度の立木密度の密な森林（例えばスギ、ヒノキ等）においても樹木頂点の抽出精度を向上できる。   The second embodiment can improve tree vertex extraction accuracy even in dense forests (eg, cedar, cypress, etc.) with a density of about 2000 trees / ha.

本実施の形態２では、抽出精度の向上のために、「地上開度、地下開度の算出の見直し」と「局所加重平均」と、「樹木頂点が隣接する場合に所定の樹木頂点を除去する処理」、「森林領域の抽出」等を備える。   In the second embodiment, in order to improve the extraction accuracy, “reexamination of calculation of ground opening and underground opening”, “local weighted average”, and “removing a predetermined tree vertex when tree vertices are adjacent to each other” Processing ”,“ forest region extraction ”, and the like.

（地上開度φ１´、地下開度φ２´の算出の見直し）
実施の形態１は疑似樹冠モデルという考えをもとに、DHM を用いて算出した地上・地下開度を樹冠モデルに合わせて数値を置き換えていた。このとき、樹冠端部から樹木頂点の角度を60°と設定していたが、本実施の形態２では現地で確認したスギ・ヒノキの樹形に合うように70°へと変更する。 (Review of calculation of ground opening φ1 'and underground opening φ2')
In the first embodiment, based on the idea of a pseudo-crown model, the numerical values are replaced with the above-ground and underground opening calculated using DHM according to the crown model. At this time, the angle of the tree apex from the crown end is set to 60 °, but in the second embodiment, the angle is changed to 70 ° so as to match the tree shape of the cedar and cypress confirmed locally.

また、実施の形態１では林縁部の極大化を防ぐために、林縁部から地表を見下ろしたときに−60°以上の角度となる場合、林縁部の値を−60°に置き換えていた。しかし、依然として林縁部は凸の形状となり、第１−３の樹冠形状指数Ｇｅｉは大きく、一方、隣接する樹冠の境界に位置する場合は、凹の形状となり、第１−３の樹冠形状指数Ｇｅｉは小さくなる傾向にある。   Moreover, in Embodiment 1, in order to prevent the maximum of the forest edge, when the angle from the forest edge to the ground surface is -60 ° or more, the value of the forest edge is replaced with −60 °. . However, the forest edge still has a convex shape, and the first to third canopy shape index Gei is large. On the other hand, when it is located at the boundary of the adjacent canopy, it becomes a concave shape and the first to third canopy shape index. Gei tends to be smaller.

また、どちらも樹冠端部に位置するという点では一致しているものの、第１−３の樹冠形状指数Ｇｅｉに大きな違いが生じる。そこで、この違いを解消するため、新たな樹冠形状の−70°以上の角度となるときに林縁部と規定し、その値を70°(隣接する樹冠の境界に位置する場合の角度)に置き換える。なお、ここではDHM が3m 以下の非森林領域は樹冠形状指数の最小値（-70）とした。詳細については後述する。   In addition, although both coincide with each other in that they are located at the end of the crown, there is a great difference in the first to third crown shape index Gei. Therefore, in order to eliminate this difference, when the angle of the new canopy is -70 ° or more, it is defined as the forest edge, and the value is set to 70 ° (angle when located at the border of the adjacent canopy). replace. In this case, the non-forest area with a DHM of 3 m or less is set to the minimum value of crown shape index (-70). Details will be described later.

（局所加重平均）
実施の形態１では、算出された地上・地下開度（φ１、φ２）を用いて尾根谷度の算出式（φ3 = (φ1 −φ2 )/ 2）と同様な計算式で第１−１の樹冠形状指数φ3´ を求め、この第１−１の樹冠形状指数φ3´ を8 方位で計算して、平均化した第１−２の樹冠形状指数ｅｉを更に局所領域で平滑化処理して第１−３の樹冠形状指数Ｇｅｉとしていた。疎林において、この平滑化は複雑な樹冠形状を滑らかにして、同一樹冠内に生じる複数の樹木頂点を絞る効果があった。 (Local weighted average)
In the first embodiment, using the calculated ground / underground opening (φ1, φ2), a calculation formula similar to the calculation formula for the ridge valley degree (φ3 = (φ1−φ2) / 2) is used. The crown shape index φ3 ′ is obtained, the 1-1st crown shape index φ3 ′ is calculated in 8 directions, and the averaged 1-2 crown shape index ei is further smoothed in the local region. The crown shape index Gei was 1-3. In sparse forests, this smoothing has the effect of smoothing the complex canopy shape and narrowing down the multiple tree vertices that occur within the same canopy.

しかしながら、密林においては上記作用により樹木頂点の抽出数を減らすという結果になり、抽出精度が低くなる場合がある。隣接する樹木頂点が平滑化により樹木頂点数が減少する例を図２８に示す。図の上部分は樹冠形状指数の画像を数値化したものであり、下部分は横線部（２８ａ、２８ｂ）の断面形状を示している。   However, in a dense forest, the above action results in a reduction in the number of extracted tree vertices, which may reduce the extraction accuracy. FIG. 28 shows an example in which the number of tree vertices decreases due to smoothing of adjacent tree vertices. The upper part of the figure is a numerical representation of the crown shape index image, and the lower part shows the cross-sectional shape of the horizontal lines (28a, 28b).

図２８から、同一局所領域内に樹木頂点が複数含まれる場合、[１]平滑化により樹木頂点が減少する、[２]樹木頂点の位置座標が変わることが問題であるとわかる。このため、本実施の形態２では後述する局所加重平均によってこの問題を解決する。   From FIG. 28, it is understood that when there are a plurality of tree vertices in the same local area, [1] the tree vertices are reduced by smoothing, and [2] the position coordinates of the tree vertices are changed. For this reason, in this Embodiment 2, this problem is solved by the local weighted average mentioned later.

（森林領域の抽出）
樹冠形状指数は地表面（DSM）と地盤面（DEM）の差分（DHM）をもとにわずかな凹凸からも樹冠モデルを仮想的に作成するものである。一方で、樹木が存在しないギャップや林道などの領域においても樹冠モデルを作成してしまい、樹木が存在しない領域でも樹木頂点の抽出がなされてしまう。 (Forest area extraction)
The crown shape index is used to virtually create a crown model from slight irregularities based on the difference (DHM) between the ground surface (DSM) and the ground surface (DEM). On the other hand, a crown model is created even in an area such as a gap or a forest road where no tree exists, and a tree vertex is extracted even in an area where no tree exists.

そこで、樹木が存在しない領域において樹木頂点の抽出を行わないように、森林領域の抽出を行った（図２９参照）。森林領域の抽出にはDHM を用い、下層植生を含まないようにここでは一例としてDHMが3m以上の領域を森林領域とした。   Therefore, the forest region is extracted so as not to extract the tree vertex in the region where no tree exists (see FIG. 29). For the extraction of the forest area, DHM is used, and as an example, the area where DHM is 3 m or more is used as a forest area so as not to include understory vegetation.

図３０は本実施の形態２の樹木頂点認識装置の概略構成図である。図３１は本実施の形態２の樹木頂点認識装置を説明する概略フローチャートである。初めにこの概略フローチャートを説明する。   FIG. 30 is a schematic configuration diagram of the tree vertex recognition apparatus according to the second embodiment. FIG. 31 is a schematic flowchart illustrating the tree vertex recognition apparatus according to the second embodiment. First, this schematic flowchart will be described.

図３１に示すように、航空レーザ計測により取得されたデータ（ＤＳＭ：Digital Surface Model）を読み込む（Ｓ３０）。また、地盤のグリッドデータ（ＤＥＭ：Digital Elevation Model）を読み込む（Ｓ３１）。   As shown in FIG. 31, data (DSM: Digital Surface Model) acquired by aviation laser measurement is read (S30). Further, ground grid data (DEM: Digital Elevation Model) is read (S31).

そして、DSMとDEMデータの差分Ｚｃｉ（Ｚｃｉ、Ｚｃｉ・・）を樹木高グリッドデータＤｄｉとして求めて（Ｓ３２）、樹冠形状の再現処理を行う（Ｓ３３）。   Then, a difference Zci (Zci, Zci...) Between DSM and DEM data is obtained as tree height grid data Ddi (S32), and a crown shape reproduction process is performed (S33).

この樹冠形状の再現処理は、樹木高のグリッドデータＤｄｉ（Ｄｄ１、Ｄｄ２、・・・）に対して樹木間隔程度（例えば１．５ｍ〜５ｍ範囲（図７を参照））を設定する（Ｓ３３ａ）。   In this tree crown shape reproduction process, a tree interval degree (for example, a range of 1.5 m to 5 m (see FIG. 7)) is set for the grid data Ddi (Dd1, Dd2,...) Of the tree height (S33a). .

次に、各グリッドデータと自身のデータとのアスペクト比を求め、このアスペクト比を一定条件下で新たなアスペクト比（スギ、ヒノキの樹冠形状に合わせて７０°に変更）に合わせて変更し、変更したアスペクト比（（ΔＺｉ／ｄｉ）＝Ａｄｉ）を用いて第２の地上開度φ１´及び第２の地下開度φ２´を算出する（Ｓ３３ｂ）。   Next, the aspect ratio between each grid data and its own data is obtained, and this aspect ratio is changed to a new aspect ratio (changed to 70 ° according to the crown shape of cedar and cypress) under a certain condition. The second ground opening φ1 ′ and the second underground opening φ2 ′ are calculated using the changed aspect ratio ((ΔZi / di) = Adi) (S33b).

本実施の形態２では現地で確認したスギ・ヒノキの樹形に合うように70°へと変更する。また、実施の形態１では、林縁部の極大化を防ぐために、林縁部から地表を見下ろしたときに−60°以上の角度となる場合、林縁部の値を−60°に置き換えていた。   In the second embodiment, the angle is changed to 70 ° so as to match the tree shape of the cedar and cypress confirmed locally. In Embodiment 1, in order to prevent maximization of the forest edge, when the angle from the forest edge to the ground surface is -60 ° or more, the value of the forest edge is replaced with -60 °. It was.

しかし、依然として林縁部は凸の形状となり、樹冠形状指数は大きく、一方、隣接する樹冠の境界に位置する場合は、凹の形状となり、樹冠形状指数は小さくなっていた。   However, the forest edge still has a convex shape, and the crown shape index is large. On the other hand, when it is located at the boundary between adjacent crowns, it becomes a concave shape and the crown shape index is small.

どちらも樹冠端部に位置するという点では一致しているものの、樹冠形状指数に大きな違いがあった。そこで、この違いを解消するため、新たな樹冠形状の−70°以下の角度となるときに林縁部と規定し、その値を70°(隣接する樹冠の境界に位置する場合の角度)に置き換える。 Although both are consistent in being located at the crown end, there was a significant difference in the crown shape index. In order to eliminate this difference, defined as forest edge portion when the -70 ° hereinafter the angle of the new crown shape, the value 70 ° (angle when located at the boundary between the adjacent crown) Replace with

そして、第２の地上開度φ１´及び第２の地下開度φ２´を尾根谷度の算出式により、第２−１の樹冠形状指数φ３´を算出してこれを８方位で平均化した第２−２の樹冠形状指数ｅｉを得た後で、ガウシアンフィルタを用いた平滑化（図３２参照）を行った第２−３の樹冠形状指数ｅｅｉを得る。次に、森林領域（例えばDHMが3m以上の領域）を規定し、この森林領域における第2-3の樹冠形状指数eeiはそのままの値とし、非森林領域（例えばDHMが3m未満の領域）の樹冠形状指数を任意の数値（例えば「-70」）とする第２−４の樹冠形状指数Ｅｅｉを求め（Ｓ３３ｃ）（図２９右図参照）、樹冠形状指数画像を得る（
Ｓ３３ｄ）。 Then, the second crown opening degree φ1 ′ and the second underground opening degree φ2 ′ are calculated by calculating the ridge valley degree, and the 2-1 crown shape index φ3 ′ is calculated and averaged in eight directions. After obtaining the 2-2th crown shape index ei, a 2-3th crown shape index eii subjected to smoothing (see FIG. 32) using a Gaussian filter is obtained. Next, the forest area (for example, an area where DHM is 3 m or more) is defined, and the second to third crown shape index eei in this forest area is left as it is, and the non-forest area (for example, an area where DHM is less than 3 m) A 2-4 crown shape index Eei with an arbitrary numerical value (for example, “−70”) is obtained as the crown shape index (S33c) (see the right side of FIG. 29), and a crown shape index image is obtained (see FIG. 29).
S33d).

この第２−４の樹冠形状指数Ｅｅｉ（単に樹冠形状指数Ｅｅｉという場合もある）と実施の形態１の第１−３の樹冠形状指数Ｇｅｉとを総称して樹冠形状指数ＥＧｉという。   The 2-4 crown shape index Eei (sometimes simply referred to as the crown shape index Eei) and the 1-3 crown shape index Gei of the first embodiment are collectively referred to as a crown shape index EGi.

前述の開度の算出で、樹木間隔を樹木間隔程度としたが、これは検索範囲が長すぎると過小抽出となり、短すぎると過大抽出となるためである。一例として、表４に示すように立木密度から樹木間隔を求めるのが好ましい。
In the above-described calculation of the opening degree, the tree interval is set to about the tree interval. This is because if the search range is too long, underextraction occurs, and if it is too short, overextraction occurs. As an example, it is preferable to obtain the tree interval from the stand density as shown in Table 4.

但し、Ｈ１〜Ｈ５は検証ポイント（所定の領域を有する）を示す。 However, H1 to H5 indicate verification points (having a predetermined area).

次に、樹木頂点の算出処理を行う（Ｓ３４）。   Next, tree vertex calculation processing is performed (S34).

この樹木頂点の算出処理は、第２−４の樹冠形状指数Ｅｅｉと動的閾値との比較により樹冠部のデータＤｈｉを抽出して（Ｓ３４ａ）、樹冠部画像を得る（Ｓ３４ｂ）。この樹冠部域の抽出を行う動的閾値の局所領域サイズは樹木間隔程度である。   In this tree vertex calculation process, data Dhi of the crown portion is extracted by comparing the 2-4 crown shape index Eei and the dynamic threshold (S34a), and a crown portion image is obtained (S34b). The local area size of the dynamic threshold for extracting the crown area is about the tree interval.

局所領域を樹木間隔程度とするのは、樹木毎の第２−４の樹冠形状指数Ｅｅｉに応じて樹冠の上部領域を抽出するためである。   The reason why the local area is set to be about the tree interval is to extract the upper area of the tree crown according to the 2-4th crown shape index Eei for each tree.

動的閾値は局所領域の平均値（μ）に標準偏差（σ）を足した値であり、この閾値により1 本の樹木の樹冠領域に対して約16％の中央部（樹冠の上部領域）を抽出することができる。   The dynamic threshold is a value obtained by adding the standard deviation (σ) to the average value (μ) of the local area. By this threshold, the center area (upper area of the crown) of about 16% of the crown area of one tree. Can be extracted.

また、樹冠部域の抽出は上記の通り局所領域で閾値を求め、この値と局所領域の中心画素の第２−４の樹冠形状指数Ｅｅｉとを比較して第２−４の樹冠形状指数Ｅｅｉが大きければ樹冠部域のデータＤｈｉ（ＤＱｉ）として抽出する。   In addition, as described above, the extraction of the crown area is performed by obtaining a threshold value in the local region, and comparing this value with the 2-4th crown shape index Eei of the central pixel of the local region, thereby comparing the 2-4th crown shape index Eei. Is larger, it is extracted as data Dhi (DQi) of the crown area.

表9に樹木間隔と各プロットの局所領域サイズを示す。
この局所領域サイズを用いて抽出した樹冠部域を図３４に示す。 Table 9 shows the tree spacing and the local area size of each plot.
FIG. 34 shows the crown area extracted using this local area size.

そして、樹冠部のデータのデータＤＱｉに対応する第２−４の樹冠形状指数Ｅｅｉの中から樹木冠形状指数が最高値となる第２−４の樹冠形状指数Ｅｅｉを検索し、これを樹木頂点Pipとする（Ｓ３４ｃ）。
次に、検索した樹木頂点の隣接程度を判断し、隣接していると判断したときは、第２−４樹冠形状指数Ｅｅｉの大小関係を基に隣接する樹木頂点のデータＰｉｐの第２−４の樹冠形状指数Ｅｅｉの大小関係をもとに、樹木頂点のデータＰｉｐを除去して（Ｓ３４ｄ）、樹木頂点Ｐｉとした画像（図３５参照）を得る（Ｓ３４ｅ）。 Then, the 2-4th crown shape index Eei having the highest tree crown shape index is searched from the 2nd-4th crown shape index Eei corresponding to the data DQi of the crown portion data, and this is obtained as the tree vertex. Pip (S34c).
Next, the degree of adjacency of the retrieved tree vertices is determined, and when it is determined that they are adjacent, the 2-4th of the data Pip of the adjacent tree vertices based on the magnitude relation of the 2-4th crown shape index Eei. Based on the magnitude relation of the tree crown shape index Eei, the tree vertex data Pip is removed (S34d) to obtain an image (see FIG. 35) as the tree vertex Pi (S34e).

次に、図３０の構成を説明する。   Next, the configuration of FIG. 30 will be described.

（図３０の説明）
図３０においては図１と同一の符号のものについては説明を省略する。図３０に示すように、本実施の形態２の樹木頂点認識装置は、第２の樹冠形状指数算出部４１と、第２の樹木頂点決定部４３（隣接樹木除去処理を含む）等を備える。 (Explanation of FIG. 30)
In FIG. 30, the description of the same reference numerals as those in FIG. 1 is omitted. As shown in FIG. 30, the tree vertex recognition apparatus according to the second embodiment includes a second tree crown shape index calculation unit 41, a second tree vertex determination unit 43 (including an adjacent tree removal process), and the like.

第２の樹冠形状指数算出部４１は、実施の形態１と同様な樹冠形状指数の算出処理（図示せず）を備えると共に、新たな第２のアスペクト比更新処理４１ａと、第２の樹冠形状指数計算処理４１ｂと、ガウシアンフィルタ処理４１ｃと、森林領域抽出処理４１ｄ等を備えている。   The second crown shape index calculation unit 41 includes the same crown shape index calculation process (not shown) as that of the first embodiment, a new second aspect ratio update process 41a, and a second crown shape index. An index calculation process 41b, a Gaussian filter process 41c, a forest area extraction process 41d, and the like are provided.

第２のアスペクト比更新処理４１ａは、樹木高グリッドデータＤｄｉ（Ｘ、Ｙ、ＤＳＭとＤＥＭの差（ＤＳＭ））をファイル１５から全て読み込んで、これらのグリッドデータＤｄｉにおけるアスペクト比（樹木高Ｚｃｉ/距離ｄｉ）を求める。このアスペクト比は、グリッドデータＤｄｉに関連付けられてメモリ３７に記憶される。   The second aspect ratio update processing 41a reads all the tree height grid data Ddi (X, Y, DSM and DEM difference (DSM)) from the file 15, and the aspect ratio (tree height Zci /) of these grid data Ddi. Find the distance di). This aspect ratio is stored in the memory 37 in association with the grid data Ddi.

そして、図３７、図３８に示す様にアスペクト比を更新する。このアスペクト比が−70°以上の角度となるときに、その値を70°に置き換える。また、−７０°から０度の場合は−７０°に置き換える。この新たな更新アスペクト比は、グリッドデータＤｄｉに関連付けられてメモリ３７に記憶される。また、本実施の形態２の新たなアスペクト比の更新については詳細に後述する。   Then, the aspect ratio is updated as shown in FIGS. When the aspect ratio is an angle of −70 ° or more, the value is replaced with 70 °. If it is -70 ° to 0 °, it is replaced with -70 °. This new updated aspect ratio is stored in the memory 37 in association with the grid data Ddi. The new aspect ratio update of the second embodiment will be described later in detail.

第２の樹冠形状指数計算処理４１ｂは、アスペクト比更新処理が終わると、３×３の領域毎にこの変更された新たな最大値、新たな最小値を用いて新たな第２の地上開度φ１´、第２の地下開度φ２´を求め、これらの開度から第２−１の樹冠形状指数φ３´を求めて、８方向で平均化して、第２−２の樹冠形状指数ｅｉを順次求める。   After the aspect ratio update process is completed, the second crown shape index calculation process 41b uses the changed new maximum value and new minimum value for each 3 × 3 region to obtain a new second ground opening degree. Obtain φ1 ′ and second underground opening φ2 ′, obtain 2-1 canopy shape index φ3 ′ from these openings, average in 8 directions, and obtain 2-2 canopy shape index ei Ask sequentially.

ガウシアンフィルタ処理４１ｃは、第２−２の樹冠形状指数ｅｉの算出処理が終わると、３×３の領域毎の第２−２の樹冠形状指数ｅｉに対して局所加重平均化処理を行った第２−３の樹冠形状指数ｅｅｉを得る。この第２−３の樹冠形状指数ｅｅｉはグリッドデータＤｄｉに関連付けられてメモリ３７に記憶される。   The Gaussian filter processing 41c performs the local weighted averaging process on the 2-2 crown shape index ei for each 3 × 3 region after the calculation process of the 2-2 tree crown shape index ei is completed. Obtain a crown shape index eei of 2-3. This 2-3 crown shape index eei is stored in the memory 37 in association with the grid data Ddi.

森林領域抽出処理４１ｄは、ガウシアンフィルタ処理後の第２−３の樹冠形状指数ｅｅｉの関連する樹木高グリッドデータのDHMが例えば３ｍ以上の場合に、森林領域の第２−４の樹冠形状指数Ｅｅｉとして抽出する。この第２−４の樹冠形状指数Ｅｅｉは、グリッドデータＤｄｉに関連付けられてメモリ３７に記憶される。   The forest region extraction processing 41d performs the second to fourth crown shape index Eei of the forest region when the DHM of the tree height grid data related to the second to third crown shape index eei after the Gaussian filter processing is, for example, 3 m or more. Extract as The 2-4th crown shape index Eei is stored in the memory 37 in association with the grid data Ddi.

閾値算出部３５は、表示部１３に表示された画像（グリッドデータ又はオルソフォト画像又はオルソフォト画像とグリッドデータとを重ね表示）内で、予め設定された局所領域Ｈｉ（例えば３×３ピクセル）の第２−４の樹冠形状指数Ｅｅｉの平均値μと標準偏差σとの和を閾値Ｈｇｉとして求め、これを樹冠部抽出部２３に渡す。   The threshold value calculation unit 35 is a local area Hi (for example, 3 × 3 pixels) set in advance in the image displayed on the display unit 13 (grid data, orthophoto image, or orthophoto image, and grid data are displayed in an overlapping manner). The sum of the mean value μ and the standard deviation σ of the 2-4th crown shape index Eei is obtained as a threshold value Hgi, and this is passed to the crown portion extraction unit 23.

樹冠部抽出部２３は、閾値算出部３５で求められた閾値Ｈｇｉより大きい値の第２−４の樹冠形状指数Ｅｅｉを抽出し、これを樹冠部のデータＤｈｉ（Ｄｈ１、Ｄｈ２・・・、図２２（ａ）参照）としてファイル２４に保存する。   The tree crown extraction unit 23 extracts the 2-4th crown shape index Eei having a value larger than the threshold value Hgi obtained by the threshold calculation unit 35, and this is extracted from the crown data Dhi (Dh1, Dh2,... 22 (a)) and save in the file 24.

第２の樹木頂点決定部４３は、メモリ２４のデータＤｈｉの隣接するまとまり毎に番号を割り振ったデータＤＱｉをメモリ２８に生成し、まとまり毎の番号の内で最大の第２−４の樹冠形状指数Ｅｅｉを持つ点を樹木頂点Pipとする。 The second tree vertex determining unit 43 generates, in the memory 28, data DQ i in which a number is assigned to each adjacent unit of the data Dhi in the memory 24, and the second to fourth tree crown that is the largest among the numbers for each unit. A point having the shape index Eei is defined as a tree vertex Pip.

さらに、樹木頂点Pipに対して例えば3×3の局所領域を設定し、順次この局所領域を移動させ、局所領域の中央に樹木頂点Pipが位置するときに局所領域内に他の樹木頂点Pipが存在するかどうかを判定する。存在している場合は、第２−４の樹冠形状指数Ｅｅｉの大小を比較し、中央の樹木頂点Pipの樹冠形状指数Ｅｅｉが小さい場合、この樹木頂点を消去する。   Furthermore, for example, a local area of 3 × 3 is set for the tree vertex Pip, this local area is sequentially moved, and when the tree vertex Pip is located at the center of the local area, another tree vertex Pip is located in the local area. Determine if it exists. If it exists, the size of the 2-4 crown shape index Eei is compared. If the crown shape index Eei of the center tree vertex Pip is small, this tree vertex is deleted.

そして、隣接樹木消去処理が終わったデータを樹木頂点Ｐｉとしてメモリ２９に記憶する。   Then, the data for which the adjacent tree erasure processing is completed is stored in the memory 29 as the tree vertex Pi.

出力部３０は、ファイル２９の頂点Ｐｉの座標（ＸＹ）に樹木番号を付けてプリンタ（図示せず）又は画面に表示する。   The output unit 30 attaches a tree number to the coordinates (XY) of the vertex Pi of the file 29 and displays it on a printer (not shown) or a screen.

上記のように構成された実施の形態の樹木頂点認識装置について以下にフローチャートを用いて説明する。   The tree vertex recognition apparatus according to the embodiment configured as described above will be described below with reference to flowcharts.

本実施の形態２では、上記の実施の形態１と同様な樹冠立体角算出処理によって、既に検索方向ｋｉｐ毎のグリッドデータＤｐｐｉと樹木高グリッドデータＤｄｉｐとの更新アスペクト比Ａｄｉが求められてファイル３７に記憶され、アスペクト比更新処理が起動したとする。   In the second embodiment, the update aspect ratio Adi between the grid data Dppi and the tree height grid data Ddip for each search direction kip is already obtained by the tree crown solid angle calculation process similar to that of the first embodiment, and the file 37 is obtained. And the aspect ratio update process is activated.

図３６は実施の形態２のアスペクト比更新処理を説明するフローチャートである。   FIG. 36 is a flowchart for explaining the aspect ratio update process according to the second embodiment.

実施の形態２のアスペクト比の更新は図３７に示すように更新する。   The aspect ratio of the second embodiment is updated as shown in FIG.

つまり、
（6）.「ΔZ/d」が-2.7474（-70 度）以下の場合は2.7474（70 度）とする（樹冠端部の極大化防止）。 That means
(6) When “ΔZ / d” is -2.7474 (-70 degrees) or less, it is set to 2.7474 (70 degrees) (preventing the maximization of the crown end) .

（7）.「ΔZ/d」が-2.7474（-70 度）から0（0 度）の場合は-2.7474（-70 度）とする（樹冠山形状の強調）。 (7) When “ΔZ / d” is -2.7474 (-70 degrees) to 0 (0 degrees), it is set to -2.7474 (-70 degrees) (emphasis on crown crown shape) .

（8）.「ΔZ/d」が0（0 度）から2.7474（70 度）の場合は2.7474（70 度）とする（樹冠谷形状の強調）。 (8) When “ΔZ / d” is from 0 (0 degrees) to 2.7474 (70 degrees), it is set to 2.7474 (70 degrees) (emphasis on crown valley shape) .

（9）.「ΔZ/d」が2.7474（70 度）以上の場合は「ΔZ/d」の値を据え置く。 (9) If “ΔZ / d” is 2.7474 (70 degrees) or more, keep the value of “ΔZ / d” unchanged.

（10）.「ΔZ/d」が隣接する8 方位全てがマイナスである場合「ΔZ/d」を1000倍する（樹木頂点の強調）。 (10). "[Delta] Z / d" are all 8 directions in contact next to 1000 times the "[Delta] Z / d" if it is negative (emphasis trees vertices).

という具合に更新する。 Update to such a condition.

アスペクト比更新処理は、図３９に示すようにファイル３７の樹木高グリッドデータＤｄｉを設定し、検索方向ｋｉｐを設定する（Ｓ１００、Ｓ１０１）。   In the aspect ratio update processing, as shown in FIG. 39, the tree height grid data Ddi of the file 37 is set, and the search direction kip is set (S100, S101).

次に、設定された番号の樹木高グリッドデータＤｄｉの検索方向ｋｉｐ内でのアスペクト比データViの中から値が最大なアスペクト比（ＭＡＸＡｄｉ）、値が最小のアスペクト比（ＭＩＮＡｄｉ）を抽出する（Ｓ１０２）。   Next, the aspect ratio (MAXAdi) having the maximum value and the aspect ratio (MINAdi) having the minimum value are extracted from the aspect ratio data Vi within the search direction “kip” of the tree height grid data Ddi having the set number ( S102).

次に、読み込んだアスペクト比ＭＡＸＡｄｉ、ＭＩＮＡｄｉが上記（８）の０〜２．７４７４の範囲（角度では０度〜７０度）かどうかを判定する（Ｓ１０３）。   Next, it is determined whether or not the read aspect ratios MAXAdi and MINAdi are in the range of 0 to 2.7474 of (8) (0 to 70 degrees in angle) (S103).

ステップＳ１０３において、０〜２．７４７４の範囲と判定したときは、読み込んだアスペクト比ＭＡＸＡｄｉ、ＭＩＮＡｄｉを２．７４７４（ＭＡＸＡｄｉ、ＭＩＮＡｄｉ：Ａｄｂｉ）として処理をステップＳ１１１に移す（Ｓ１０４）。これにより、頂点から下の場合は、頂点から下の谷形状であることを強調する。 If it is determined in step S103 that the range is 0 to 2.7474, the read aspect ratios MAXAdi and MINAdi are set to 2.7474 (MAXAdi, MINAdi: Adbi), and the process proceeds to step S111 (S104). Thereby, when it is below the vertex, it emphasizes that it is a valley shape below the vertex.

また、ステップＳ１０３において、０〜２．７４７４の範囲（角度では０度〜７０度）ではないと判定したときは、読み込んだアスペクト比が上記（９）の２．７４７４以上かどうかを判定する（Ｓ１０５）。   If it is determined in step S103 that the angle is not in the range of 0 to 2.7474 (0 to 70 degrees in angle), it is determined whether or not the read aspect ratio is equal to or greater than 2.7474 of (9) above ( S105).

ステップＳ１０５において、アスペクト比が２．７４７４以上と判定したときはそのアスペクト比（Ａｄｉ）をそのままの値（Ａｄａｉ）にして処理をステップＳ１１１に移す（Ｓ１０６）。   If it is determined in step S105 that the aspect ratio is equal to or greater than 2.7474, the aspect ratio (Adi) is set as it is (Adai), and the process proceeds to step S111 (S106).

また、ステップＳ１０５において、読み込んだアスペクト比が２．７４７４以上ではないと判定したときは、読み込んだアスペクト比が上記の（６）の−２．７４７４以下かどうかを判定する（Ｓ１０７）。   If it is determined in step S105 that the read aspect ratio is not equal to or greater than 2.7474, it is determined whether or not the read aspect ratio is equal to or less than −2.7474 in (6) above (S107).

ステップＳ１０７において、−２．７４７４以下であると判定したときは、ステップＳ１０９に処理を移す。ステップＳ１０９においては、抽出したアスペクト比を＋２．７４７４（Ａｄbｉ）にする。   If it is determined in step S107 that it is −2.7474 or less, the process proceeds to step S109. In step S109, the extracted aspect ratio is set to +2.7474 (Adbi).

これにより、樹冠端部と地盤との位置関係から生じるアスペクト比の極小化（樹冠形状指数では極大化）を防止する。   This prevents minimization of the aspect ratio (maximization of the crown shape index) resulting from the positional relationship between the crown end and the ground.

また、ステップＳ１０７において、−２．７４７４以下ではないと判定したときは、抽出したアスペクト比（０〜−２．７４７４（７）(０を除く)）を−２．７４７４（Ａｄｃｉ）にする。これにより、樹冠端部から上の場合は、樹冠端部から上の山形状であることを強調する。 If it is determined in step S107 that it is not −2.7474 or less, the extracted aspect ratio (0 to −2.7474 (7) (excluding 0)) is set to −2.7474 (Adci). Thereby, when it is above a crown end, it emphasizes that it is a mountain shape above a crown end.

また、前述のステップＳ１０４、ステップＳ１０６、ステップＳ１１０、ステップＳ１０９のアスペクト比をファイル３７に記憶する（Ｓ１１１）
次に、検索方向ｋｉｐが８かどうかを判定し（Ｓ１１２）、８方向になっていないときは検索方向を更新して処理をステップＳ１０１に戻す（Ｓ１１３）。 Further, the aspect ratios of the above-described steps S104, S106, S110, and S109 are stored in the file 37 (S111).
Next, it is determined whether or not the search direction “kip” is 8 (S112). If the search direction “kip” is not 8 directions, the search direction is updated and the process returns to step S101 (S113).

ステップＳ１１３において、隣接する８方向の樹木高グリッドデータのアスペクト比が、水平軸を基準として全てマイナスと判定したときは、８方向の更新後のアスペクト比を１０００倍（Ａｄｄｉ）する（Ｓ１１５）。すなわち、頂点を強調する。   If it is determined in step S113 that the aspect ratios of the adjacent tree height grid data in the eight directions are all negative with respect to the horizontal axis, the updated aspect ratio in the eight directions is multiplied by 1000 (Addi) (S115). That is, the vertex is emphasized.

次に、検索エリア内で樹木高グリッドデータＤｄｉが最後かどうかを判定し（Ｓ１１６）、最後でないときは次の番号の樹木高グリッドデータＤｄｉに更新して処理をステップＳ１００に戻す（Ｓ１１７）。   Next, it is determined whether or not the tree height grid data Ddi is the last in the search area (S116). If it is not the last, the tree height grid data Ddi of the next number is updated and the process returns to step S100 (S117).

すなわち、ファイル３７には、ステップＳ１０９、Ｓ１１０の処理によって、図３８に示すように、設定された番号の樹木高グリッドデータＤｄｉと検索方向ｋｐｉと抽出したＭＡＸＡｄｉ、ＭＩＮＡｄｉと更新アスペクト比とが対応させられて保存されている。   That is, in the file 37, as shown in FIG. 38, the tree height grid data Ddi of the set number, the search direction kpi, the extracted MAXAdi, MINAdi, and the update aspect ratio are made to correspond to each other by the processing of steps S109 and S110. Has been saved.

更新アスペクト比は、アスペクト比Ａｄｉのままの値（Ａｄａｉ）又は２．７４７４（Ａｄｂｉ）又は−２．７４７４（Ａｄｃｉ）若しくは−２．７４７４を１０００倍したアスペクト比（Ａｄｄｉ）のいずれかである。   The updated aspect ratio is either the value (Adai) with the aspect ratio Adi or the aspect ratio (Addi) obtained by multiplying 2.7474 (Adbi), −2.7474 (Adci), or −2.7474.

従って、第２の樹冠形状指数計算処理４１ｂは、Ｄｄｉ、ｋｉｐに対応する更新アスペクト比を引当、この更新アスペクト比の中から最大アスペクト比ＭＡＸＡｄｉ（アスペクト比Ａｄｉのまま又は２．７４７４又は−２．７４７４又は−２７４７．４のいずれか）と、最小アスペクト比ＭＩＮＡｄｉ（アスペクト比Ａｄｉのまま又は２．７４７４又は−２．７４７４又は−２７４７．４のいずれか）読み込むことになる。   Therefore, the second crown shape index calculation process 41b allocates an updated aspect ratio corresponding to Ddi and kip, and from this updated aspect ratio, the maximum aspect ratio MAXAdi (the aspect ratio Adi remains or is 2.7474 or -2. 7474 or -2747.4) and the minimum aspect ratio MINAdi (with the aspect ratio Adi or either 2.7474, -2.7474, or -2747.4).

（第２の樹冠形状指数計算処理）
そして、第２の樹冠形状指数計算処理４１ｂは、第２の地上開度φ１´と第２の地下開度φ２´を算出する。 (Second crown shape index calculation process)
Then, the second crown shape index calculation process 41b calculates the second ground opening φ1 ′ and the second underground opening φ2 ′.

第２の地上開度φ１´＝９０度−tan^-1(ＭＡＸＡｄｉ)
第２の地下開度φ２´＝９０度＋tan^-1(ＭＩＮＡｄｉ)
次に、この第２の地上開度φ１´と第２の地下開度φ２´とを用いて第２−１の樹冠形状指数φ３´を求める。 Second ground opening φ1 '= 90 degrees -tan ^-1 (MAXAdi)
Second underground opening φ2 '= 90 degrees + tan ^-1 (MINAdi)
Next, the 2-1 canopy shape index φ3 ′ is obtained using the second ground opening φ1 ′ and the second underground opening φ2 ′.

第２−１の樹冠形状指数φ３´＝（φ１´−φ２´）／２
次に、８方位全てに対して、これを平均化（８方位）し、この平均化された第２−１の樹冠形状指数φ３´を、樹木高グリッドデータＤｄｉを中心とした検索範囲での第２−２の樹冠形状指数ｅｉとして、樹冠グリッドデータＤｄｉにリンク付けしてファイル３７に記憶する。 2nd-1 crown shape index φ3 ′ = (φ1′−φ2 ′) / 2
Next, all eight directions are averaged (eight directions), and the averaged 2-1 crown crown shape index φ3 ′ is obtained in the search range centered on the tree height grid data Ddi. As the second-second crown shape index ei, it is linked to the canopy grid data Ddi and stored in the file 37.

最後に第２−２の樹冠形状指ｅｉを検索範囲に対応させてファイル３７に記憶する。   Finally, the 2-2 crown shape finger ei is stored in the file 37 in association with the search range.

次に、本実施の形態２で用いるガウシアンフィルタ処理４１ｃについて説明する。   Next, the Gaussian filter processing 41c used in the second embodiment will be described.

この手法は局所平均（これまでの平滑化）と異なり、対象局所領域に重みを持たせ、画像をより鮮明にすることができる。局所平均と局所加重平均の例を図４０に示す。図４０（ａ）が局所平均であり、図４０（ｂ）が局所加重平均の処理結果である。 This method is different from the local average (smoothing up to now), and can give a weight to the target local region and make the image clearer. Examples of local average and local weighted average are shown in FIG. FIG. 40A shows the local average, and FIG. 40B shows the local weighted average processing result.

つまり、本実施の形態ではガウシアンフィルタという局所加重平均を用いて第２−２の樹冠形状指数ｅｉを平滑化する。   In other words, in the present embodiment, the 2-2 crown shape index ei is smoothed using a local weighted average called a Gaussian filter.

ガウシアンフィルタは下記の式（E）のガウス関数で加重を決定する。
The Gaussian filter determines the weight with a Gaussian function of the following equation (E).

ここで、G は各画素の加重、i,j は縦横それぞれの中心画素からの距離（画素）、νは変数を表す。 Here, G is the weight of each pixel, i, j are distances (pixels) from the center pixel in the vertical and horizontal directions, and ν is a variable.

ガウシアンフィルタは変数νを任意で変えることで、画像の平滑化の度合いを変化させることができるという利点を持っている。   The Gaussian filter has an advantage that the degree of smoothing of the image can be changed by arbitrarily changing the variable ν.

一般的に局所領域の大きさが(2N＋1)×(2N＋1)の場合、νはN/2 とするのが目安である。また、νの値が小さいとより原画像に近く、νの値が大きいと局所平均画像に近づく特徴がある。図４４にガウシアンフィルタを用いた平滑化の例を示す。なお、νは目安となっているN/2 とした。図から上記で述べた局所平
均による平滑化の2つの問題点を解決できていることから、本実施の形態２ではガウシアンフィルタを用いた平滑化を採用する。νは、０．５〜０．７（図３２参照）とする（好ましくは０．７）。 In general, when the size of the local region is (2N + 1) × (2N + 1), it is a guideline that ν is N / 2. Further, there is a feature that when the value of ν is small, it is closer to the original image, and when the value of ν is large, it approaches a local average image. FIG. 44 shows an example of smoothing using a Gaussian filter. Note that ν is N / 2, which is a standard. Since the two problems of smoothing by the local average described above can be solved from the figure, smoothing using a Gaussian filter is adopted in the second embodiment. ν is set to 0.5 to 0.7 (see FIG. 32) (preferably 0.7).

ガウシアンフィルタ処理４１は、このような第２−３の樹冠形状指数ｅｅｉを、メモリ３７に記憶し、森林領域抽出処理４１ｄが以下の処理を行う。   The Gaussian filter processing 41 stores the 2-3th crown crown shape index eei in the memory 37, and the forest region extraction processing 41d performs the following processing.

（森林領域抽出処理）
次に、森林領域抽出処理を説明する。 (Forest area extraction processing)
Next, forest area extraction processing will be described.

樹冠形状指数は地表面（DSM）と地盤面（DEM）の差分（DHM）をもとにわずかな凹凸からも樹冠モデルを仮想的に作成するものである。一方で、樹木が存在しないギャップや林道などの領域においても樹冠モデルを作成してしまい、樹木が存在しない領域でも樹木頂点の抽出がなされてしまう。 The crown shape index is used to virtually create a crown model from slight irregularities based on the difference (DHM) between the ground surface (DSM) and the ground surface (DEM). On the other hand, a crown model is created even in an area such as a gap or a forest road where no tree exists, and a tree vertex is extracted even in an area where no tree exists.

そこで、樹木が存在しない領域において樹木頂点の抽出を行わないように、森林領域の抽出を行った（図２９参照）。森林領域の抽出にはDHM を用い、下層植生を含まないようにここでは一例としてDHMが3m以上の領域を森林領域とした。そして、森林領域の第2-3の樹冠形状指数eeiはそのままの値を用い、非森林領域（例えばDHMが3m未満の領域）の樹冠形状指数を任意の数値（例えば「-70」）にしたものを第２−４の樹冠形状指数Ｅｅｉとした。この第２−４の樹冠形状指数Ｅｅｉは、グリッドデータＤｄｉに関連付けられてメモリ３７に記憶される。   Therefore, the forest region is extracted so as not to extract the tree vertex in the region where no tree exists (see FIG. 29). For the extraction of the forest area, DHM is used, and as an example, the area where DHM is 3 m or more is used as a forest area so as not to include understory vegetation. Then, the second to third canopy shape index eei of the forest area is used as it is, and the canopy shape index of the non-forest area (for example, an area where DHM is less than 3 m) is set to an arbitrary value (for example, “−70”). This was designated as 2-4 crown shape index Eei. The 2-4th crown shape index Eei is stored in the memory 37 in association with the grid data Ddi.

このため、ファイル３７には図３９に示すように、設定された樹木高グリッドデータＤｄｉと、検索方向ｋｉｐと、更新前のＭＡＸ、ＭＩＮのアスペクト比と、更新後のＭＡＸ、ＭＩＮのアスペクト比とが検索方向毎に、リンクつけされて記憶されている。   Therefore, in the file 37, as shown in FIG. 39, the set tree height grid data Ddi, the search direction “kip”, the aspect ratio of MAX and MIN before update, the aspect ratio of MAX and MIN after update, Are stored in a linked manner for each search direction.

また、ファイル３７には図３９に示すように、設定された樹木高グリッドデータＤｄｉの番号と、そのＸ、Ｙ座標と、樹木高の差Ｚと、次の番号の樹木高グリッドデータと、このＸ、Ｙ座標と、距離ｄｉと、第２―１の樹冠形状指数φ３´と、この第２―１の樹冠形状指数φ３´を得たときの第２の地上開度φ１´と、第２の地下開度φ２´とが検索方向にリンクつけされ、また、これらの８方向全ての平均化された第２−２の樹冠形状指数ｅｉ及びガウシアンフィルタ後の第２−３の樹冠形状指数ｅｅｉ、森林領域抽出後の第２−４の樹冠形状指数Ｅｅｉ等が対応させて記憶されている。これらを総称して第２の樹冠形
状指数情報Ｇｉｉともいう。 In addition, as shown in FIG. 39, the file 37 includes a set tree height grid data Ddi number, its X and Y coordinates, a tree height difference Z, a tree height grid data of the next number, X, Y coordinates, distance di, 2-1 canopy shape index φ3 ′, second ground opening φ1 ′ when the 2-1 canopy shape index φ3 ′ is obtained, Are linked to the search direction, and all of these eight directions are averaged in the 2-2th crown shape index ei and the 2-3th crown shape index eii after the Gaussian filter. The 2-4th crown shape index Eei and the like after the forest region extraction is stored in correspondence. These are collectively referred to as second crown shape index information Gii.

次に、閾値算出部３５が予め設定された局所領域Ｈｉ（例えば３×３ピクセル）の第２−４の樹冠形状指数Ｅｅｉの平均値μと標準偏差σとの和を閾値Ｈｇｉとして求め、これを樹冠部抽出部２３に渡す。   Next, the threshold value calculation unit 35 obtains the sum of the average value μ and the standard deviation σ of the 2-4th crown shape index Eei of the preset local region Hi (for example, 3 × 3 pixels) as the threshold value Hgi, Is passed to the crown extraction unit 23.

次に、樹冠部抽出部２３は、閾値算出部３５で求められた閾値Ｈｇｉより大きい値の第２−４の樹冠形状指数Ｅｅｉを抽出し、これを樹冠部のデータＤｈｉ（Ｄｈ１、Ｄｈ２・・・）としてファイル２４に保存する。   Next, the crown portion extracting unit 23 extracts the 2-4th crown shape index Eei having a value larger than the threshold value Hgi obtained by the threshold value calculating unit 35, and this is extracted from the crown portion data Dhi (Dh1, Dh2,... Save to file 24 as.).

次に、第２の樹木頂点決定部４３は、メモリ２４のデータＤｈｉの隣接するまとまり毎に番号を割り振ったデータＤＱｉをメモリ２８に生成する（図４６（ａ））。 Next, the second tree vertex determining unit 43 generates , in the memory 28, data DQ i in which a number is assigned to each adjacent unit of the data Dhi in the memory 24 (FIG. 46 (a)).

このデータＤＱｉに対して以下の樹木頂点抽出処理を行う。   The following tree vertex extraction process is performed on this data DQi.

データＤＱｉは樹冠領域毎（まとまり毎）に重複しない番号が割り振られる。一つの番号につき、複数のデータDdiが存在する場合、この番号の内で最大の樹冠形状指数を持つ点を樹木頂点Pipとする。   Data DQi is assigned a number that does not overlap for each canopy region (each group). When a plurality of data Ddi exist for one number, a point having the largest crown shape index among the numbers is set as a tree vertex Pip.

さらに、樹木頂点が隣接し、過剰抽出となる場合があるため、隣接樹木頂点の除去処理を行う。 Furthermore, since tree vertices are adjacent and overextraction may occur, adjacent tree vertex removal processing is performed.

樹木頂点抽出結果（上記手法により抽出された樹木頂点Pipの抽出精度）からスギ林だけでなく、ヒノキ林においても精度良く抽出する手法が開発できたと考える。なお、樹冠部域画像と樹木頂点抽出結果を参照すると、抽出樹木頂点が隣接している場合に若干多めに樹木頂点を抽出する傾向にあるが、この点に対しては以下の手法により解決できる。   We believe that we have successfully developed a method to extract not only cedar forests but also cypress forests from the tree vertex extraction results (extraction accuracy of tree vertices Pip extracted by the above method). In addition, referring to the crown area image and the tree vertex extraction result, when extracted tree vertices are adjacent, there is a tendency to extract a little more tree vertices, but this can be solved by the following method .

図３５に1 つの樹冠に複数の樹木頂点が存在している状況を示す。これは、樹冠部域が1 つの樹冠に対して1 つの樹冠部域が抽出されず、樹冠部が分割されたために生じたと考えられる0.5m グリッドにおいて樹木頂点が斜めに隣接する場合、2 点間の距離は0.7m であり、立木密度を考慮するとその間隔は短い。このことからも1 つの樹冠から過剰に樹木頂点が抽出されていることがわかる。   FIG. 35 shows a situation where a plurality of tree vertices exist in one crown. This is because if one crown area is not extracted for one crown, and if the tree vertices are diagonally adjacent to each other in a 0.5m grid, which is thought to have occurred because the crown is divided, The distance is 0.7m, and the interval is short considering the density of trees. This also shows that tree vertices are extracted excessively from one crown.

この問題を解決するために、樹木頂点の抽出でも使用した樹冠形状指数の大小関係を利用して、隣接する樹木頂点を除去した。具体的には、Pipに対して例えば3×3の局所領域を設定し、順次この局所領域を移動させ、局所領域の中央に樹木頂点Pipが位置するときに局所領域内に他の樹木頂点Pipが存在するかどうかを判定し、存在している場合は、樹冠形状指数Ｅｅｉの大小を比較し、中央の樹木頂点Pipの樹冠形状指数Ｅｅｉが小さい場合、この樹木頂点を消去する。   In order to solve this problem, adjacent tree vertices were removed using the magnitude relation of the crown shape index used in the extraction of tree vertices. Specifically, for example, a local area of 3 × 3 is set for Pip, this local area is sequentially moved, and when a tree vertex Pip is located in the center of the local area, another tree vertex Pip is located in the local area Is present, if it is present, the size of the crown shape index Eei is compared, and if the crown shape index Eei of the central tree vertex Pip is small, this tree vertex is deleted.

図４５は隣接樹木除去処理を説明するフローチャートである。   FIG. 45 is a flowchart for explaining adjacent tree removal processing.

隣接樹木処理は、樹木頂点のデータPipに対して３×３のフィルタをかけて、このフィルタの中央の位置ＪＤｉを設定する（Ｓ２０１、図４６（ｂ））。   In the adjacent tree processing, a 3 × 3 filter is applied to the tree vertex data Pip, and the center position JDi of this filter is set (S201, FIG. 46B).

次に、中央の位置ＪＤｉの隣接8方向の領域ＪＤｒｉに樹木頂点のデータPipがあるかどうかを判定する（Ｓ２０２）。   Next, it is determined whether or not tree vertex data Pip is present in the region JDri in the adjacent eight directions of the center position JDi (S202).

ステップＳ２０２において、データＰｉｐがあると判定したときは、隣接8方向の領域ＪＤｒｉにデータＰｉｐに対応する第２−４の樹冠形状指数Ｅｅｉと中央の位置ＪＤｉの第２−４の樹冠形状指数Ｅｅｉとを比較して値の大小を判定する（Ｓ２０３、Ｓ２０４）。   When it is determined in step S202 that the data Pip is present, the 2-4th crown shape index Eei corresponding to the data Pip and the 2nd-4th crown shape index Eei corresponding to the data Pip are included in the region JDri in the adjacent eight directions. And the magnitude of the value is determined (S203, S204).

ステップＳ２０４において、ＪＤｉの樹冠形状指数Ｅｅｉが小さいと判定したときは、ＪＤｉの樹木頂点のデータPipを「0」とする（Ｓ２０６）。   If it is determined in step S204 that the JDi tree crown shape index Eei is small, the tree vertex data Pip of JDi is set to “0” (S206).

また、ステップＳ２０４において、ＪＤｉの樹冠形状指数Ｅｅｉが大きいと判定したときは、樹木頂点のデータPipがメモリ２８に他にあるかどうかを判定する（Ｓ２０７）。他にあると判定したときは、ＪＤｉを次の番号に更新して処理をステップＳ２０１に移す（Ｓ２０９）。   If it is determined in step S204 that the tree crown shape index Eei of JDi is large, it is determined whether there is any other tree vertex data Pip in the memory 28 (S207). If it is determined that there is another, JDi is updated to the next number, and the process proceeds to step S201 (S209).

図４６（ｂ）においては、３×３フィルタの中央に「２」が存在し、斜め方向に「１」が存在している。「２」に対応する第２−４の樹冠形状指数が、「１」に対応する第２−４の樹冠形状指数より小さい場合は、図４６（ｃ）に示すように「２」は消去される。   In FIG. 46B, “2” exists in the center of the 3 × 3 filter, and “1” exists in the diagonal direction. When the 2-4 crown shape index corresponding to “2” is smaller than the 2-4 crown shape index corresponding to “1”, “2” is deleted as shown in FIG. The

また、ステップＳ２０７において、データＰｉｐが他にないと判定したときは、メモリ２８の全ての樹木頂点のデータPipを樹木頂点Ｐｉとしてメモリ２９に記憶する（Ｓ２０８）。   If it is determined in step S207 that there is no other data Pip, the data Pip of all tree vertices in the memory 28 are stored in the memory 29 as tree vertices Pi (S208).

次に、樹木頂点消去について説明を補充する。
図４４ に樹木頂点を除去した結果を示す。図に示す通り、同一樹冠内の樹木頂点が除去され、1つの樹冠に対して、1 つの樹木頂点が抽出されることが確認できた。 Next, the explanation of tree vertex elimination will be supplemented.
FIG. 44 shows the result of removing tree vertices. As shown in the figure, it was confirmed that tree vertices in the same crown were removed and one tree vertex was extracted for one crown.

隣接する樹木頂点を除去した結果を表５に示す。
Table 5 shows the result of removing adjacent tree vertices.

H4-1、H4-2、H5-1 以外のプロットでは抽出精度に違いはないが、特にH4-1、H4-2 では樹頂点の抽出精度が向上した。現地で確認した樹冠形状とオルソ画像を勘案すると、H4 プロットは樹冠表層が他のプロットに比べて凹凸が明瞭ではなく、複雑な形状をしていると思われる。このため、1 つの樹冠に対して隣接する２つの樹冠上部が抽出され、その結果、１つの樹冠に対して隣接する２つの樹頂点が抽出されてしまったと考えられる。   There is no difference in the extraction accuracy in plots other than H4-1, H4-2, and H5-1, but the accuracy in extracting tree vertices improved especially in H4-1 and H4-2. Considering the canopy shape and orthoimages confirmed in the field, it seems that the H4 plot has a more complex shape than the other plots on the surface of the canopy. For this reason, it is considered that two crown tops adjacent to one crown were extracted, and as a result, two tree vertices adjacent to one crown were extracted.

＜実施の形態３＞
前述の実施の形態１及び実施の形態２のＤＳＭは、 樹冠形状明確化を行うために樹冠内部の標高データを除去している。 <Embodiment 3>
The DSMs of the first embodiment and the second embodiment described above remove the elevation data inside the canopy in order to clarify the canopy shape.

これは、樹冠を透過するパルスや航空機から斜めにレーザーが照射されることで樹木間の隙間から地盤に到達するパルスが存在するため、従来のDSM には樹冠内部の標高データ（樹冠表層の標高データではなく、樹冠等を透過して取得された標高データ）も含まれている（図４７参照）。このDSM を用いて樹高データ(DHM)を算出すると、樹冠形状が不明瞭になってしまう傾向にある。   This is because there are pulses that penetrate the canopy and pulses that reach the ground through gaps between the trees when the laser is irradiated obliquely from the aircraft, so conventional DSM has elevation data inside the canopy (elevation on the crown surface). (Altitude data acquired through the canopy and the like) is also included (see FIG. 47). If tree height data (DHM) is calculated using this DSM, the crown shape tends to be unclear.

従って、樹木頂点抽出精度を向上させるためには、樹冠内部の標高データを除去し、樹冠形状を明確化したDSM を作成する必要がある。   Therefore, in order to improve the tree vertex extraction accuracy, it is necessary to remove the elevation data inside the tree crown and create a DSM with a clear tree crown shape.

手動により樹冠内部の標高データを除去し、樹冠形状を明確化する手法もある。しかし、広範囲にわたる森林でのデータの処理には時間と労力がかかり、かつ、人為的な要因による再現性の問題が生じる可能性がある。   There is also a method to clarify the crown shape by manually removing elevation data inside the crown. However, processing data in a wide range of forests is time consuming and labor intensive, and can cause reproducibility problems due to human factors.

先述したとおり、従来のDSM では地盤面の標高データも含まれているため、計測データは図４８（ａ）のようになっている。赤点で示す樹冠表層の標高データと青点で示す地盤面の標高データではその分布域に違いがあるので、この差を用いて地盤面に存在する標高データを除去することができる。   As described above, since the conventional DSM includes the altitude data of the ground surface, the measurement data is as shown in FIG. Since there is a difference in the distribution range between the elevation data of the crown surface layer indicated by the red dot and the elevation data of the ground surface indicated by the blue dot, the elevation data existing on the ground surface can be removed using this difference.

反射強度は反射する物体により、その値が異なり、樹木などの植物の反射強度は大きいが、道路などの人工物や地盤などの土の反射強度は小さいという特徴を持つ。また、樹冠などを透過することで、反射強度は減衰する。この特徴を活かし、標高データだけでは除去できない樹冠内部に存在する標高データを除去する。   The reflection intensity varies depending on the object to be reflected, and the reflection intensity of plants such as trees is high, but the reflection intensity of artificial objects such as roads and soil such as the ground is low. In addition, the reflection intensity is attenuated by passing through the crown. Taking advantage of this feature, it removes elevation data that exists inside the canopy that cannot be removed by elevation data alone.

図４８（ｂ）に示す青点は樹冠内部に存在する標高データであり、標高データだけでは除去できないデータである。赤点で示す標高データは樹冠表層に存在するため、反射強度は大きい。一方、青点で示す樹冠内部の標高データは樹冠を透過し、減衰しているために反射強度は小さくなる。この反射強度の違いを用いて樹冠内部のデータを除去することができる。 The blue dots shown in FIG. 48 (b) are elevation data existing inside the tree canopy and cannot be removed only by the elevation data. Since the altitude data indicated by the red dot is present on the surface of the crown, the reflection intensity is high. On the other hand, the altitude data inside the canopy indicated by the blue dot is transmitted through the canopy and attenuated, so that the reflection intensity becomes small. Using this difference in reflection intensity, the data inside the tree canopy can be removed.

以上より、自動処理による樹冠形状明確化に十分な成果が得られたので、本手法による樹冠形状明確化DSM を作成し、以後の解析（樹木頂点の抽出等）を行うのが好ましい。   As described above, sufficient results for crown shape clarification by automatic processing have been obtained. Therefore, it is preferable to create a crown shape clarification DSM by this method and perform subsequent analysis (extraction of tree vertices, etc.).

なお、本実施の形態１および実施の形態２は下記に説明するように利用されることもある。   The first embodiment and the second embodiment may be used as will be described below.

（一元管理化）
本実施の形態２により高精度に林分パラメータが取得できることがわかった。 (Unified management)
It was found that the stand parameters can be acquired with high accuracy by the second embodiment.

任意の林分に対して、「平均樹高」「立木密度」「推定樹冠面積」といった林分パラメータが得られる。さらにこのデータを用いることで間伐林の選定に役立つ「収量比数」や「適正立木密度」が得られる。また、レーザー計測データからは「林分傾斜角」や「レーザーパルスの地盤到達率」といった情報も得られる。データの一元管理化した例を以下に示す。   For an arbitrary stand, stand parameters such as “average tree height”, “standing tree density”, and “estimated canopy area” are obtained. Furthermore, by using this data, it is possible to obtain “yield ratio” and “appropriate standing tree density” that are useful for selecting a thinned forest. Laser measurement data also provides information such as “tilt inclination angle” and “laser pulse arrival rate”. An example of unified data management is shown below.

[１］林分に対して複数の情報を付与できる。 [1] Plural pieces of information can be given to stands.

[２］上記の取得情報を取得情報の位置や地図等の情報と共に可視的に管理できる。 [2] The acquired information can be visually managed together with information such as the position of the acquired information and a map.

[３]データ管理・更新が容易で、データの信頼性が高められる。 [3] Data management / update is easy and data reliability is improved.

[４]一元データ管理により、データの比較・解析・評価が容易である。 [4] Centralized data management makes it easy to compare, analyze and evaluate data.

[５]他の情報（森林簿）と併せてデータを集約し、その情報も一元管理できる。 [5] Data can be aggregated together with other information (forest books), and that information can also be centrally managed.

以下に収量比数、森林整備ランクについて述べる。 The yield ratio and forest maintenance rank are described below.

1）収量比数
収量比数は密度管理図をもとに算出するもので、最多密度における幹材積に対する現存幹材積の割合である。具体的には樹高と立木密度から算出される。梨のスギ、ヒノキ林の密度管理図に描かれている曲線式を次に示す。 1) Yield ratio The yield ratio is calculated based on the density control chart, and is the ratio of the existing trunk volume to the trunk volume at the highest density. Specifically, it is calculated from tree height and standing tree density. The curve formula drawn on the density control chart of pear cedar and cypress forests is shown below.

スギ林
V = (0.07155968H-1.373859 + 5062H-2.869785 / N )-1 式（F）
logNRF = 5.370947 −1.495926logH 式（G）
ヒノキ林
V = (0.035147H-1.080773 + 4711.2H-2.922894 / N )-1 式（H）
logNRF = 5.7384 −1.8482121logH 式（I）

NRF：最多密度におけるha あたりの本数（本/ha）である。 Cedar forest
V = (0.07155968H-1.373859 + 5062H-2.869785 / N) -1 Formula (F)
logNRF = 5.370947 −1.495926 logH formula (G)
Cypress forest
V = (0.035147H-1.080773 + 4711.2H-2.922894 / N) -1 Formula (H)
logNRF = 5.7384 −1.8482121logH Formula (I)

NRF: This is the number (ha / ha) per ha at the highest density.

本研究ではプロット内に含まれる樹木本数（現地調査結果、樹冠未到達の中下層木も含む）と抽出本数（開発手法によるもので、表層木のみとなる）とをもとにした立木密度を用いて収量比数を算出した。その結果を図４９に示す。この図からプロット間の相対的な大小関係は大きく変わらないため、間伐の優先度を選定する情報として表層木のみの収量比数を用いることが可能とわかる。 In this study, the density of standing trees based on the number of trees included in the plot (including field survey results, middle and lower layer trees that have not reached the crown) and the number of extracted trees (according to the development method, only surface trees) Used to calculate the yield ratio. The result is shown in FIG. From this figure, it can be seen that the relative size relationship between plots does not change greatly, so that it is possible to use the yield ratio of only the surface tree as information for selecting the priority of thinning.

また、収量比数を0.7 として適正立木密度を算出した。この数値は「中庸仕立て」と呼ばれる一般的な間伐の指標である。   In addition, the appropriate stand density was calculated with the yield ratio as 0.7. This figure is a general thinning index called “medium tailoring”.

森林整備ランク
森林の生育状況だけでなく、樹種や森林の生育している状況にも注目して森林整備の優先度を評価する指標が森林整備ランクである。これは「森林管理ランク（収量比数）」「森林特性ランク（樹種や林齢）」「国土保全ランク（傾斜や保全対象）」を求め、総合的に森林整備の優先度を把握することができる。 Forest maintenance rank The forest maintenance rank is an index that evaluates the priority of forest maintenance by paying attention not only to the growth status of the forest but also the tree species and the forest growth status. This is to obtain the “forest management rank (yield ratio)”, “forest characteristic rank (tree species and forest age)” and “land conservation rank (slope and conservation target)”, and comprehensively grasp the priority of forest maintenance. it can.

森林整備ランクを算出した結果を図５０，５１に示す。このことから、スギ林においては本指標により劣勢木の潜在状況も加味した森林整備計画が可能と考える。 The results of calculating the forest maintenance rank are shown in FIGS. For this reason, in this cedar forest, it is considered possible to develop a forest improvement plan that takes into account the potential situation of inferior trees.

また、取得した情報を林分毎に整備し、GIS データとして一元管理する例を図５２ に示す。   Fig. 52 shows an example in which the acquired information is prepared for each stand and managed as GIS data.

これにより、森林整備ランクをオルソ画像情報に載せて把握したり、プロットを選択することで図中右上のような林分の詳細データを把握したりできる。成可能であり、下記の様な利用が考えられる。 Thus, it is possible to grasp the forest maintenance rank by placing it on the ortho image information, or to grasp detailed data of a forest stand like the upper right in the figure by selecting a plot. The following uses are possible.

[１] 森林の状態や森林所有者の把握が容易
[２] 優先度を考慮した効率的な森林整備計画
[３] 情報共有・公開社会に適した森林情報のデータ整備・運用
詳細な現地調査を実施することなく、簡易・広範囲
に森林整備の優先度が把握できることは、林業経営の観点から求められているコスト削減や要間伐林の選定が急務となっている現在の社会情勢に貢献するものと考える。また、林分パラメータだけでなく、レーザー計測データのオルソ画像や既存森林簿等も情報として加えることで、さらにGIS 一元管理の利便性が高まり、公開・共有情報化社会に貢献するものと考える。 [1] Easy understanding of forest conditions and forest owners
[2] Efficient forest improvement plan considering priority
[3] Data preparation and operation of forest information suitable for information sharing and public society It is required from the standpoint of forestry management that the priority of forest maintenance can be grasped simply and widely without conducting a detailed field survey. It is thought that it contributes to the current social situation where there is an urgent need to reduce costs and select thinning forests. Also, by adding not only stand parameters but also orthoimages of laser measurement data and existing forest books as information, the convenience of centralized GIS management will be further enhanced, contributing to a public and shared information society.

さらに、災害等により、地面が削りとられた場合に、本手法により予めこの個所の付近のそう本数を得ておいて、再びこの個所の付近の本数を求めて、その差を求めると、どの程度の木が川に流れたかが分る。   Furthermore, when the ground is scraped due to a disaster, etc., the number of the vicinity of this place is obtained in advance by this method, the number of the vicinity of this place is obtained again, and the difference is obtained. You can see how much trees have flowed into the river.

（樹冠面積の推定）
樹冠面積推定は樹冠形状指数Ｅｅｉをもとに、watershed アルゴリズムで行っている。
実施の形態１の樹冠面積推定手法では、あらかじめ樹冠サイズを設定し、樹冠面積を推定していたため、疎密度にばらつきのある林分においては十分な樹冠面積の推定ができていなかった。そこで、アルゴリズムの見直しを行い、推定精度の向上を試みた。 (Estimated crown area)
The crown area is estimated by the watershed algorithm based on the crown shape index Eei.
In the canopy area estimation method of the first embodiment, since the canopy size was set in advance and the canopy area was estimated, a sufficient canopy area could not be estimated in a stand having sparse density variations. Therefore, we reviewed the algorithm and tried to improve the estimation accuracy.

樹冠面積推定手法の改良は実施の形態１と同様にwatershed アルゴリズムを用いて行った。実施の形態１では樹木頂点から周囲を検索して集水域を推定していたが、本利用例では閾値以上の任意の点がどの樹木頂点の集水域に属しているかという考え方に基づいて樹冠面積を推定している。   The improvement of the method for estimating the crown area was performed using the watershed algorithm as in the first embodiment. In the first embodiment, the water catchment area is estimated by searching the surroundings from the tree vertices. However, in this use example, the crown area is based on the idea of which tree vertices the arbitrary point above the threshold belongs to. Is estimated.

本利用例では、樹冠形状指数Eeiに設定する閾値以上を対象に樹冠面積を推定するため、最適な閾値を設定する必要がある。そこで、最適な閾値を設定するために、樹高データと樹冠形状指数の断面形状をもとに最適値を決める。   In this usage example, an optimum threshold value needs to be set in order to estimate the canopy area with a target above the threshold value set for the canopy shape index Eei. Therefore, in order to set an optimum threshold value, an optimum value is determined based on the tree height data and the cross-sectional shape of the crown shape index.

樹高（DHM）3m 以上を森林領域と定義したことから、これに基づき、樹高3m 以上の領域と樹冠形状指数のある値以上の領域とがほぼ合致するとき、この樹冠形状指数Ｅｅｉの値を閾値とする。図３３に樹高と樹冠形状指数の2 値化画像（背景にオルソ画像を表示）を示している。   Based on this definition, the tree height (DHM) of 3m or more is defined as the forest area. Based on this, when the area of tree height of 3m or more and the area of the crown shape index are almost equal, the value of this crown shape index Eei is set as the threshold value. And FIG. 33 shows a binarized image of tree height and crown shape index (an ortho image is displayed in the background).

図３３で示したように樹高3m以上の領域に相当する樹冠形状指数は-60 であったため、樹冠形状指数Eeiの閾値を-60 として樹冠面積を推定する。   As shown in FIG. 33, the crown shape index corresponding to the area of 3 m or higher in the tree height is -60. Therefore, the canopy area is estimated by setting the threshold of the crown shape index Eei to -60.

樹冠面積推定結果と精度改良した手法を用いて推定した樹冠面積を実施の形態１で作成した推定樹冠面積と比較した結果を図４２に示す。図を見ると実施の形態１の推定面積に比べて、樹冠の大きさに応じた推定面積となっている。また、目視判読の樹冠面積と同様の大きさであり、推定手法が改善されていることがわかる。   FIG. 42 shows a result obtained by comparing the crown area estimation result and the estimated crown area using the method with improved accuracy with the estimated crown area created in the first embodiment. When the figure is seen, compared with the estimated area of Embodiment 1, it is the estimated area according to the size of the tree crown. Moreover, it is the same size as the crown area of visual interpretation, and it turns out that the estimation method is improved.

本利用例をヒノキ林に適用した結果の画像を図４３に示し、検証結果を表６、表７、表８に示す。
An image of the result of applying this use example to a cypress forest is shown in FIG. 43, and the verification results are shown in Table 6, Table 7, and Table 8.

表６から樹木の抽出数の精度は目視判読と比較してH4 林分で十分な精度ではなく（密林では目視判読結果は過小抽出となる）、また、被覆面積率（樹冠面積合計の抽出割合）は目視判読に比べて、全体的に過大であった。しかし、調査林分の状況やfirst パルスの地盤到達率からヒノキ林分は鬱閉していると考えられ、目視判読の樹冠面積が過小と考えられる（目視判読の樹冠面積は樹冠の大きさ、ヒノキの樹冠形状、判読写真の解像度の問題から、鬱閉状態を表すような判読面積に上方修正することは困難）。このため、林分面積をもとに樹冠面積の抽出精度を検証した。その結果、林分面積に対して推定樹冠面積の
抽出率は概ね100%となり、推定樹冠が鬱閉状態を表していることがわかる。 Table 6 shows that the accuracy of the number of trees extracted is not sufficient for H4 stands compared to visual interpretation (visual interpretation results are under-extracted in dense forest), and the coverage area ratio (extraction ratio of total crown area) ) Was generally excessive compared to visual interpretation. However, the cypress stand is considered to be congested due to the situation of the survey stand and the ground arrival rate of the first pulse, and the canopy area of the visual interpretation is considered to be too small (the canopy area of the visual interpretation is the size of the canopy, Due to the cypress crown shape and the resolution of the interpretation photo, it is difficult to make an upward correction to the interpretation area that represents a confined state). Therefore, the extraction accuracy of the crown area was verified based on the stand area. As a result, the extraction ratio of the estimated canopy area with respect to the stand area is approximately 100%, which indicates that the estimated canopy represents a confined state.

表７には単樹冠面積の比較を示したが、密林では目視判読が過小抽出となることや推定樹冠面積が目視判読に比べ過大であることから十分な精度が得られていない。   Table 7 shows a comparison of single tree canopy areas. However, sufficient accuracy is not obtained in the dense forest because the visual interpretation is under-extracted and the estimated crown area is excessive compared with the visual interpretation.

また、目視判読の抽出精度を利用して林分内に含まれる実樹木本数を推定した結果及び、推定実樹木本数と開発手法による抽出樹木本数との比較結果を表８に示す。目視判読の抽出精度から推定する実樹木本数と開発手法による抽出樹木本数との割合は約9〜11 割となり、林分全域で高精度に樹木本数が抽出できていると考えられる。   Table 8 shows the result of estimating the number of real trees included in the stand using the visual interpretation extraction accuracy, and the comparison result between the estimated number of real trees and the number of extracted trees by the development method. The ratio between the number of real trees estimated from the visual interpretation extraction accuracy and the number of trees extracted by the development method is about 90% to 110%, and it is considered that the number of trees can be extracted with high accuracy throughout the stand.

さらに、このことと推定樹冠が鬱閉状態を再現できていたことを考えると表７ の推定単樹冠面積の再現性は高い。   Furthermore, considering this and the fact that the estimated crown was able to reproduce the congested state, the reproducibility of the estimated single crown area in Table 7 is high.

本発明にいたる経緯を説明の説明図である。It is explanatory drawing explaining the process leading to this invention. 本発明にいたる経緯を説明する説明図である。It is explanatory drawing explaining the process leading to this invention. 本発明にいたる経緯を説明する説明図である。It is explanatory drawing explaining the process leading to this invention. 本実施の形態による尾根谷画像と樹冠形状指数画像との比較説明図である。It is comparison explanatory drawing of a ridge valley image and a crown shape index image by this Embodiment. 本実施の形態の樹木頂点認識装置の概略構成図である。It is a schematic block diagram of the tree vertex recognition apparatus of this Embodiment. 本実施の形態を説明する概略フローチャートである。It is a schematic flowchart explaining this Embodiment. 検索範囲の設定を説明する説明図である。It is explanatory drawing explaining the setting of a search range. 本実施の形態の樹冠形状指数による画像を説明する説明図である。It is explanatory drawing explaining the image by the tree crown shape index | exponent of this Embodiment. 樹冠形状指数算出部３２のアスペクト比を求める処理を説明するフローチャートである。It is a flowchart explaining the process which calculates | requires the aspect-ratio of the tree crown shape index calculation part 32. FIG. 樹冠形状指数算出部３２のアスペクト比を求める処理を説明するフローチャートである。It is a flowchart explaining the process which calculates | requires the aspect-ratio of the tree crown shape index calculation part 32. FIG. 検索範囲における樹木高グリッドデータの抽出を説明する説明図である。It is explanatory drawing explaining extraction of the tree height grid data in a search range. 更新するアスペクト比と角度の関係を説明する説明図である。It is explanatory drawing explaining the relationship between the aspect-ratio to update, and an angle. アスペクト比の更新処理を説明するフローチャートである。It is a flowchart explaining the update process of an aspect ratio. 抽出したＤｐｐｉと更新したアスペクト比等の情報を説明する説明図である。It is explanatory drawing explaining information, such as extracted Dppi and the updated aspect ratio. ファイル３７の樹冠形状指数情報Ｇｉの説明図である。It is explanatory drawing of the tree crown shape index information Gi of the file 37. FIG. 樹冠形状指数の算出のフローチャートである。It is a flowchart of calculation of a tree crown shape index. 樹冠領域に対しての樹冠部との関係を説明する説明図である。It is explanatory drawing explaining the relationship with a tree crown part with respect to a tree crown area | region. 局所領域の平均値（μ）と標準偏差（σ）との関係を説明する説明図である。It is explanatory drawing explaining the relationship between the average value (micro) of a local area | region, and standard deviation ((sigma)). 具体的な樹冠部の抽出処理を説明するフローチャートである。It is a flowchart explaining the extraction process of a specific tree crown part. 頂点候補Ｄｇｉの説明図である。It is explanatory drawing of the vertex candidate Dgi. 樹冠の上部のデータＤｈｉの説明図である。It is explanatory drawing of the data Dhi of the upper part of a tree crown. 樹冠部の説明図である。It is explanatory drawing of a tree crown part. 本実施の形態による疎林の頂点抽出結果を説明する説明図である。It is explanatory drawing explaining the sparse forest vertex extraction result by this Embodiment. 本実施の形態の樹冠形状指数画像と尾根谷度画像との違いを説明するための説明図である。It is explanatory drawing for demonstrating the difference between the crown shape index image of this Embodiment, and a ridge valley degree image. 本実施の形態の樹冠形状指数画像と尾根谷度画像との違いを説明するための説明図である。It is explanatory drawing for demonstrating the difference between the crown shape index image of this Embodiment, and a ridge valley degree image. 本実施の形態による疎林の樹冠部抽出結果を説明する説明図である。It is explanatory drawing explaining the crown part extraction result of a sparse forest by this Embodiment. 本実施の形態の具体的なハードウエア構成図である。It is a concrete hardware block diagram of this Embodiment. 実施の形態２における樹冠形状指数の平滑処理（局所領域）による樹木頂点の減少を説明する説明図である。FIG. 10 is an explanatory diagram for explaining a decrease in tree vertices by smoothing processing (local region) of a tree crown shape index in the second embodiment. 実施の形態２による森林領域抽出結果を説明する説明図である。It is explanatory drawing explaining the forest area | region extraction result by Embodiment 2. FIG. 本実施の形態２の樹木頂点認識装置の概略構成図である。It is a schematic block diagram of the tree vertex recognition apparatus of this Embodiment 2. 本実施の形態２を説明する概略フローチャートである。10 is a schematic flowchart illustrating the second embodiment. 本実施の形態２のガウシアンフィルタと局所平均の樹木頂点抽出結果の比較を説明する説明図である。It is explanatory drawing explaining the comparison of the Gaussian filter of this Embodiment 2, and the tree vertex extraction result of a local average. 本実施の形態２の利用例（樹冠面積の推定）の森林領域の最適閾値の設定根拠を説明する説明図である。It is explanatory drawing explaining the setting basis of the optimal threshold value of the forest area | region of the usage example (estimation of a crown area) of this Embodiment 2. FIG. 本実施の形態２による樹冠部域の抽出結果を説明する説明図である。It is explanatory drawing explaining the extraction result of the tree crown area | region by this Embodiment 2. FIG. 隣接頂点の不具合を説明する説明図である。It is explanatory drawing explaining the malfunction of an adjacent vertex. 本実施の形態２のアスペクト比更新処理を説明するフローチャートである。It is a flowchart explaining the aspect-ratio update process of this Embodiment 2. 本実施の形態２の地上・地下開度の置き換え変更を説明する説明図である。It is explanatory drawing explaining the replacement change of the above-ground / underground opening degree of this Embodiment 2. FIG. 本実施の形態２の抽出したＤｐｐｉと更新したアスペクト比等の情報を説明する説明図である。It is explanatory drawing explaining information, such as extracted Dppi and the updated aspect ratio, of this Embodiment 2. FIG. 実施の形態２のファイル３７の樹冠形状指数情報Ｇｉｉの説明図であるIt is explanatory drawing of the tree crown shape index information Gii of the file 37 of Embodiment 2. 局所平均と局所加重平均を説明する説明図である。It is explanatory drawing explaining a local average and a local weighted average. 本実施の形態２のガウシアンフィルタの説明図である。It is explanatory drawing of the Gaussian filter of this Embodiment 2. FIG. 本実施の形態２の利用例（樹冠面積の推定）の樹冠面積推定結果を説明する説明図である。It is explanatory drawing explaining the crown area estimation result of the usage example (estimation of a crown area) of this Embodiment 2. FIG. 本実施の形態２の利用例（樹冠面積の推定）の樹冠面積推定結果を説明する説明図である。It is explanatory drawing explaining the crown area estimation result of the usage example (estimation of a crown area) of this Embodiment 2. FIG. 本実施の形態２の隣接頂点樹木前後の比較を説明する説明図である。It is explanatory drawing explaining the comparison before and after the adjacent vertex tree of this Embodiment 2. FIG. 本実施の形態２の隣接樹木頂点除去処理を説明するフローチャートである。It is a flowchart explaining the adjacent tree vertex removal process of this Embodiment 2. 本実施の形態２の隣接樹木頂点の除去を説明する説明図である。It is explanatory drawing explaining the removal of the adjacent tree vertex of this Embodiment 2. FIG. 実施の形態３のＤＳＭの標高データの削除を説明する説明図である。FIG. 10 is an explanatory diagram illustrating deletion of elevation data of DSM according to the third embodiment. 実施の形態３の樹冠内部データを説明する説明図である。It is explanatory drawing explaining the tree crown internal data of Embodiment 3. FIG. 本実施の形態２の利用例（収量比較）を説明する説明図である。It is explanatory drawing explaining the usage example (yield comparison) of this Embodiment 2. FIG. 本実施の形態２の利用例（森林整備ランク）を説明する説明図である。It is explanatory drawing explaining the usage example (forest maintenance rank) of this Embodiment 2. FIG. 本実施の形態２の利用例（森林整備ランク）を説明する説明図である。It is explanatory drawing explaining the usage example (forest maintenance rank) of this Embodiment 2. FIG. 本実施の形態２の利用例（森林整備ランク）を説明する説明図である。It is explanatory drawing explaining the usage example (forest maintenance rank) of this Embodiment 2. FIG.

符号の説明Explanation of symbols

１０ データベース
１１ データベース
１３ 表示部
１４ 樹木高算出部
１７ 尾根谷度算出部
２１ 樹木頂点候補抽出部
２３ 樹冠部抽出部
２５ 第１の樹木頂点決定部
３０ 出力部
３２ 第１の樹冠形状指数算出部
３５ 閾値算出部
４１ 第２の樹冠形状指数算出部
４１ａ 第２のアスペクト比更新処理
４１ｂ 第２の樹冠形状計算処理
４１ｃ ガウシアンフィルタ
４１ｄ 森林領域抽出処理
４３ 第２の樹木頂点決定部 DESCRIPTION OF SYMBOLS 10 Database 11 Database 13 Display part 14 Tree height calculation part 17 Ridge degree calculation part 21 Tree vertex candidate extraction part 23 Tree crown part extraction part 25 First tree vertex determination part 30 Output part 32 First crown shape index calculation part 35 Threshold calculation unit 41 Second crown shape index calculation unit 41a Second aspect ratio update processing 41b Second crown shape calculation processing 41c Gaussian filter 41d Forest region extraction processing
43 Second tree vertex determination unit

Claims (19)

上空から地上を撮影した所定エリアのオルソフォト画像又は/及び所望のグリッドデータを画像化した画像を表示部の画面に表示する一方、前記所定エリア内の、地盤のＸ、Ｙ、Ｚ座標値及び樹木の表層のｘ、ｙ、ｚ座標値との差を求め、この差Ｚｃｉ及びＸｃｉ、Ｙｃｉ座標を樹木高グリッドデータＤｄｉとして得て、この樹木高グリッドデータＤｄｉに基づいて樹木の頂点を認識する樹木頂点認識方法であって、
コンピュータが、
樹冠形状指数ＥＧｉを求めるための前記グリッドデータの検索範囲Ｍｉ、前記樹木高グリッドデータＤｄｉ、前記樹冠形状指数ＥＧｉから樹冠部を抽出するための局所領域を記憶手段に記憶するステップと、
前記画像に対応する各樹木高グリッドデータＤｄｉを中心とした検索範囲Ｍｉ毎に、検索方向ｋｉｐについて、各樹木高グリッドデータＤｐｐｉの樹木高及び距離からアスペクト比の最大値、最小値を求め、前記最大値及び最小値を、想定樹木の基準の樹冠形状に基づいて樹木頂点を強調するための更新処理条件にあてはめることにより更新し、更新された値に基づき地上開度φ1´及び地下開度φ２´を求め、前記地上開度φ１´から前記地下開度φ２´を引いて１／２にした値を求め、この値を全ての検索方向で算出してそれらを平均し、これを樹冠形状指数ＥＧｉとして算出して前記記憶手段に記憶する樹冠形状指数算出ステップと、
前記樹木高グリッドデータＤｄｉに対して前記局所領域を定め、この局所領域毎に前記樹冠形状指数ＥＧｉの平均値と標準偏差とを求め、これらの和を閾値として求める閾値算出ステップと、
前記局所領域の前記閾値が求められる毎に、その樹冠形状指数ＥＧｉが前記閾値以上かどうかを判断し、閾値を超えているときに、その樹木高グリッドデータＤｄｉを樹冠部として抽出する樹冠部抽出ステップと、
前記樹冠部毎に、該樹冠部内に存在する最大の樹冠形状指数ＥＧｉを有する樹木高グリッドデータＤｄｉを樹木頂点として認識して、該認識した頂点を所定の形状にして前記表示部に表示又は前記頂点の座標値を出力する樹木頂点認識ステップと
を行うことを特徴とする樹木頂点認識方法。 While displaying an orthophoto image of a predetermined area obtained by photographing the ground from the sky or / and an image obtained by imaging desired grid data on the screen of the display unit, the X, Y, Z coordinate values of the ground in the predetermined area and The difference between the x, y, and z coordinate values of the surface layer of the tree is obtained, the differences Zci, Xci, and Yci coordinates are obtained as the tree height grid data Ddi, and the vertex of the tree is recognized based on the tree height grid data Ddi. A tree vertex recognition method,
Computer
Storing the search range Mi of the grid data for obtaining the crown shape index EGi, the tree height grid data Ddi, and a local region for extracting a crown portion from the crown shape index EGi in a storage unit;
For each search range Mi centered on each tree height grid data Ddi corresponding to the image, the maximum value and the minimum value of the aspect ratio are determined from the tree height and distance of each tree height grid data Dppi for the search direction kip, The maximum value and the minimum value are updated by applying an update processing condition for emphasizing the tree vertex based on the standard crown shape of the assumed tree, and the ground opening φ1 ′ and the underground opening φ2 are updated based on the updated values. ′, And subtracting the underground opening φ2 ′ from the ground opening φ1 ′ to obtain a value ½, calculating this value in all search directions, averaging them, and calculating the crown shape index A crown shape index calculating step of calculating as EGi and storing in the storage means;
A threshold calculation step for determining the local region for the tree height grid data Ddi, determining an average value and a standard deviation of the crown shape index EGi for each local region, and determining a sum of these as a threshold;
Every time the threshold value of the local region is obtained, it is determined whether or not the crown shape index EGi is equal to or greater than the threshold value, and when the threshold value is exceeded, the tree height grid data Ddi is extracted as a crown portion. Steps,
For each crown portion, the tree height grid data Ddi having the maximum crown shape index EGi existing in the crown portion is recognized as a tree vertex, and the recognized vertex is displayed on the display unit in a predetermined shape or And a tree vertex recognition method for outputting a vertex coordinate value. 前記更新処理条件にあてはめることにより更新する処理は、
前記最大値及び最小値を、想定樹木の基準の樹冠形状に基づいて、樹冠端部の樹冠形状指数ＥＧｉの極大化防止、樹冠山形状の強調、樹冠谷形状の強調のうちの少なくとも１つのための所定の値にあてはめることにより更新することを行うことを含むことを特徴とする請求項１記載の樹木頂点認識方法。 Processing to update by applying to the update processing conditions,
Because the maximum value and the minimum value are based on the standard crown shape of the assumed tree, at least one of prevention of maximization of the crown shape index EGi at the crown end, enhancement of the crown mountain shape, and enhancement of the crown valley shape The tree vertex recognition method according to claim 1 , further comprising: updating by applying to a predetermined value. 前記コンピュータは、
前記樹冠形状指数算出ステップが、
前記樹木高グリッドデータＤｄｉに対して全ての検索方向ｋｉｐでの隣接するグリッドデータのアスペクト比が、前記水平軸を基準として全てマイナスのアスペクト比になっているときは、前記最大値、最小値を前記想定樹木の基準の樹冠形状に基づいて樹木頂点と認識しやすくなる新たな値にすることを行うことを含むことを特徴とする請求項１又は２記載の樹木頂点認識方法。 The computer
The crown shape index calculation step comprises:
When the aspect ratios of adjacent grid data in all search directions kip with respect to the tree height grid data Ddi are all negative aspect ratios with respect to the horizontal axis, the maximum value and the minimum value are set. trees vertex recognition method according to claim 1 or 2, characterized in that comprises carrying out to the new value that is easily recognized as trees vertices based on the crown shape of the reference of the assumed trees. 前記コンピュータは、
前記樹冠形状指数算出ステップが、
前記地上開度φ１´から前記地下開度φ２´を引いて１／２した値を樹冠形状指数φ３´として求め、
全ての前記検索方向ｋｉｐの樹冠形状指数φ３´が求められたときに、これらを平均化して、さらに局所加重平均化し、これを前記樹冠形状指数ＥＧｉとして記憶することを行うことを含むことを特徴とする請求項１乃至３のいずれかに記載の樹木頂点認識方法。 The computer
The crown shape index calculation step comprises:
Subtracting the underground opening φ2 ′ from the ground opening φ1 ′ and halving it as a crown shape index φ3 ′
Characterized in that when the crown shape index φ3' of all of the search direction kip obtained, they are averaged to further local weighted averaging comprises performing a storing it as the crown shape index EGi The tree vertex recognition method according to any one of claims 1 to 3. 前記コンピュータは、
前記樹冠部抽出ステップが、
前記局所領域の中央の樹冠形状指数ＥＧｉが閾値以上の場合は、該中央の位置に樹冠部とする情報Ｄｈｉを生成して、これを表示させる
ことを行うことを含むことを特徴とする請求項１乃至４のいずれかに記載の樹木頂点認識方法。 The computer
The tree crown extraction step comprises:
Claim wherein when the center of the crown shape index EGi of the local region is equal to or larger than the threshold, which generates information Dhi to crown portion to the position of the center, characterized in that it comprises performing possible to display this The tree vertex recognition method according to any one of 1 to 4. 前記コンピュータは、
前記樹冠形状指数算出ステップの前記更新処理条件にあてはめることにより更新する処理は、
前記求めたアスペクト比の最大値又は最小値が、水平方向を基準にして垂直方向で、
前記アスペクト比の最大値又は最小値が−２．７４７４〜０（０を含まない）の範囲に相当する場合は、最大値又は最小値を−２．７４７４に更新し、
前記アスペクト比の最大値又は最小値が０〜＋２．７４７４に相当する場合は、最大値又は最小値を、＋２．７４７４に更新し、
前記アスペクト比の最大値又は最小値が−２．７４７４以下に相当する場合は、最大値又は最小値を、＋２．７４７４に更新し、
前記アスペクト比の最大値又は最小値が＋２．７４７４以上に相当する場合は、前記抽出された最大値又は最小値のままとする
ことを行うことを含むことを特徴とする請求項１乃至５のいずれかに記載の樹木頂点認識方法。 The computer
The process of updating by applying to the update process condition of the crown shape index calculation step,
The maximum value or the minimum value of the obtained aspect ratio is in the vertical direction with respect to the horizontal direction,
When the maximum value or the minimum value of the aspect ratio corresponds to a range of −2.7474 to 0 (not including 0), the maximum value or the minimum value is updated to −2.7474,
When the maximum value or the minimum value of the aspect ratio corresponds to 0 to +2.7474, the maximum value or the minimum value is updated to +2.7474,
When the maximum value or the minimum value of the aspect ratio corresponds to −2.7474 or less, the maximum value or the minimum value is updated to +2.7474,
If the maximum value or the minimum value of the aspect ratio is equivalent to more than Tasu2.7474 are of claims 1 to 5, characterized in that it comprises performing be left of the extracted maximum or minimum value The tree vertex recognition method according to any one of the above. 前記コンピュータは、
前記樹冠形状指数算出ステップの前記更新処理条件にあてはめることにより更新する処理は、
全ての検索方向での隣接するグリッドデータとの比較で求められたアスペクト比が、前記水平軸を基準としてマイナスになっているときは、前記求めたアスペクト比を１０００倍に更新することを行うことを含むことを特徴とする請求項１乃至６のいずれかに記載の樹木頂点認識方法。 The computer
The process of updating by applying to the update process condition of the crown shape index calculation step,
When the aspect ratio obtained by comparison with adjacent grid data in all search directions is negative with respect to the horizontal axis, the obtained aspect ratio is updated to 1000 times. trees vertex recognition method according to any one of claims 1 to 6, characterized in that it comprises a. 前記コンピュータは、
前記樹木頂点認識ステップが、
前記樹冠部毎に、ｎ×ｎのフィルタをかけて、該フィルタの中央に樹木頂点データが存在しかつ、該フィルタ内に他の樹木頂点データが存在したときに、両者の前記樹冠形状指数ＥＧｉを比較し、前記中央の樹冠形状指数ＥＧｉの方が小さい場合、前記中央の樹木頂点を消去することを行うことを含むことを特徴とする請求項１乃至７のいずれかに記載の樹木頂点認識方法。 The computer
The tree vertex recognition step comprises:
For each tree crown, an n × n filter is applied, and when tree vertex data exists in the center of the filter and other tree vertex data exists in the filter, both the crown shape indices EGi The tree vertex recognition according to claim 1, further comprising: deleting the center tree vertex when the center crown shape index EGi is smaller. Method. 前記想定樹木は、針葉樹であることを特徴とする請求項１乃至８のいずれかに記載の樹木頂点認識方法。   9. The tree vertex recognition method according to claim 1, wherein the assumed tree is a conifer. 上空から地上を撮影した所定エリアのオルソフォト画像又は/及び所望のグリッドデータを画像化した画像を表示部の画面に表示する一方、前記所定エリア内の、地盤のＸ、Ｙ、Ｚ座標値及び樹木の表層のｘ、ｙ、ｚ座標値との差を求め、この差Ｚｃｉ及びＸｃｉ、Ｙｃｉ座標を樹木高グリッドデータＤｄｉとして得て、この樹木高グリッドデータＤｄｉに基づいて樹木の頂点を認識する樹木頂点認識装置であって、
樹冠形状指数ＥＧｉを求めるための前記グリッドデータの検索範囲Ｍｉ、前記樹木高グリッドデータＤｄｉ、前記樹冠形状指数ＥＧｉから樹冠部を抽出するための局所領域を記憶した記憶手段と、
前記画像に対応する各樹木高グリッドデータＤｄｉを中心とした検索範囲Ｍｉ毎に、検索方向ｋｉｐについて、各樹木高グリッドデータＤｐｐｉの樹木高及び距離からアスペクト比の最大値、最小値を求め、前記最大値及び最小値を、想定樹木の基準の樹冠形状に基づいて樹木頂点を強調するための更新処理条件にあてはめることにより更新し、更新された値に基づき地上開度φ1´及び地下開度φ２´を求め、前記地上開度φ１´から前記地下開度φ２´を引いて１／２にした値を求め、この値を全ての検索方向で算出してそれらを平均し、これを樹冠形状指数ＥＧｉとして算出して前記記憶手段に記憶する樹冠形状指数算出手段と、
前記樹木高グリッドデータＤｄｉに対して前記局所領域を定め、この局所領域毎に前記樹冠形状指数ＥＧｉの平均値と標準偏差とを求め、これらの和を閾値として求める閾値算出手段と、
前記局所領域の前記閾値が求められる毎に、その樹冠形状指数ＥＧｉが前記閾値以上かどうかを判断し、閾値を超えているときに、その樹木高グリッドデータＤｄｉを樹冠部として抽出する樹冠部抽出手段と、
前記樹冠部毎に、該樹冠部内に存在する最大の樹冠形状指数ＥＧｉを有する樹木高グリッドデータＤｄｉを樹木頂点として認識して、該認識した頂点を所定の形状にして前記表示部に表示又は前記頂点の座標値を出力する樹木頂点認識手段と
を有することを特徴とする樹木頂点認識装置。 While displaying an orthophoto image of a predetermined area obtained by photographing the ground from the sky or / and an image obtained by imaging desired grid data on the screen of the display unit, the X, Y, Z coordinate values of the ground in the predetermined area and The difference between the x, y, and z coordinate values of the surface layer of the tree is obtained, the differences Zci, Xci, and Yci coordinates are obtained as the tree height grid data Ddi, and the vertex of the tree is recognized based on the tree height grid data Ddi. A tree vertex recognition device,
A storage means for storing a search area Mi of the grid data for obtaining a tree crown shape index EGi, the tree height grid data Ddi, and a local region for extracting a tree crown portion from the tree crown shape index EGi;
For each search range Mi centered on each tree height grid data Ddi corresponding to the image, the maximum value and the minimum value of the aspect ratio are determined from the tree height and distance of each tree height grid data Dppi for the search direction kip, The maximum value and the minimum value are updated by applying an update processing condition for emphasizing the tree vertex based on the standard crown shape of the assumed tree, and the ground opening φ1 ′ and the underground opening φ2 are updated based on the updated values. ′, And subtracting the underground opening φ2 ′ from the ground opening φ1 ′ to obtain a value ½, calculating this value in all search directions, averaging them, and calculating the crown shape index A crown shape index calculating means for calculating as EGi and storing it in the storage means;
Threshold value calculating means for determining the local region for the tree height grid data Ddi, obtaining an average value and a standard deviation of the crown shape index EGi for each local region, and obtaining a sum of these as a threshold value;
Every time the threshold value of the local region is obtained, it is determined whether or not the crown shape index EGi is equal to or greater than the threshold value, and when the threshold value is exceeded, the tree height grid data Ddi is extracted as a crown portion. Means,
For each crown portion, the tree height grid data Ddi having the maximum crown shape index EGi existing in the crown portion is recognized as a tree vertex, and the recognized vertex is displayed on the display unit in a predetermined shape or A tree vertex recognition device comprising: tree vertex recognition means for outputting a vertex coordinate value. 前記更新処理条件にあてはめることにより更新する手段は、
前記最大値及び最小値を、想定樹木の基準の樹冠形状に基づいて、樹冠端部の樹冠形状指数ＥＧｉの極大化防止、樹冠山形状の強調、樹冠谷形状の強調のうちの少なくとも１つのための所定の値にあてはめることにより更新することを含むことを特徴とする請求項１０記載の樹木頂点認識装置。 Means for updating by applying to the update processing condition,
Because the maximum value and the minimum value are based on the standard crown shape of the assumed tree, at least one of prevention of maximization of the crown shape index EGi at the crown end, enhancement of the crown mountain shape, and enhancement of the crown valley shape The tree vertex recognizing apparatus according to claim 10, comprising updating by applying to a predetermined value. 前記樹冠形状指数算出手段は、
前記樹木高グリッドデータＤｄｉに対して全ての検索方向ｋｉｐでの隣接するグリッドデータのアスペクト比が、前記水平軸を基準として全てマイナスのアスペクト比になっているときは、前記最大値、最小値を前記想定樹木の基準の樹冠形状に基づいて樹木頂点と認識しやすくなる新たな値にすることを含むことを特徴とする請求項１０又は１１に記載の樹木頂点認識装置。 The crown shape index calculating means is:
When the aspect ratios of adjacent grid data in all search directions kip with respect to the tree height grid data Ddi are all negative aspect ratios with respect to the horizontal axis, the maximum value and the minimum value are set. The tree vertex recognition apparatus according to claim 10, further comprising setting a new value that facilitates recognition as a tree vertex based on a standard crown shape of the assumed tree. 前記樹冠形状指数算出手段は、
前記地上開度φ１´から前記地下開度φ２´を引いて１／２した値を樹冠形状指数φ３´として求め、
全ての前記検索方向ｋｉｐの樹冠形状指数φ３´が求められたときに、これらを平均化して、さらに局所加重平均化し、これを前記樹冠形状指数ＥＧｉとして記憶することを含むことを特徴とする請求項１０乃至１２のいずれかに記載の樹木頂点認識装置。 The crown shape index calculating means is:
Subtracting the underground opening φ2 ′ from the ground opening φ1 ′ and halving it as a crown shape index φ3 ′
When the crown shape index φ3' of all of the search direction kip obtained, they are averaged to further local weighted average, characterized in that it comprises storing it as the crown shape index EGi claims Item 13. A tree vertex recognition apparatus according to any one of Items 10 to 12. 前記樹冠部抽出手段は、
前記局所領域の中央の樹冠形状指数ＥＧｉが閾値以上の場合は、該中央の位置に樹冠部とする情報Ｄｈｉを生成して、これを表示させる
ことを含むことを特徴とする請求項１０乃至１３のいずれかに記載の樹木頂点認識装置。 The tree crown extraction means is
14. The method according to any one of claims 10 to 13, further comprising: generating information Dhi as a crown portion at the center position and displaying the information when the crown shape index EGi at the center of the local region is greater than or equal to a threshold value. The tree vertex recognition apparatus in any one of. 前記樹冠形状指数算出手段の前記更新処理条件にあてはめることにより更新する手段は、
前記求めたアスペクト比の最大値又は最小値が、水平方向を基準にして垂直方向で、
前記アスペクト比の最大値又は最小値が−２．７４７４〜０（０を含まない）の範囲に相当する場合は、最大値又は最小値を−２．７４７４に更新し、
前記アスペクト比の最大値又は最小値が０〜＋２．７４７４に相当する場合は、最大値又は最小値を、＋２．７４７４に更新し、
前記アスペクト比の最大値又は最小値が−２．７４７４以下に相当する場合は、最大値又は最小値を、＋２．７４７４に更新し、
前記アスペクト比の最大値又は最小値が＋２．７４７４以上に相当する場合は、前記抽出された最大値又は最小値のままとする
ことを含むことを特徴とする請求項１０乃至１４のいずれかに記載の樹木頂点認識装置。 Means for updating by applying to the update processing condition of the crown shape index calculation means,
The maximum value or the minimum value of the obtained aspect ratio is in the vertical direction with respect to the horizontal direction,
When the maximum value or the minimum value of the aspect ratio corresponds to a range of −2.7474 to 0 (not including 0), the maximum value or the minimum value is updated to −2.7474,
When the maximum value or the minimum value of the aspect ratio corresponds to 0 to +2.7474, the maximum value or the minimum value is updated to +2.7474,
When the maximum value or the minimum value of the aspect ratio corresponds to −2.7474 or less, the maximum value or the minimum value is updated to +2.7474,
15. The method according to claim 10, further comprising: leaving the extracted maximum value or minimum value when the maximum value or minimum value of the aspect ratio corresponds to +2.7474 or more. The tree vertex recognition device described. 前記樹冠形状指数算出手段の前記更新処理条件にあてはめることにより更新する処理は、
全ての検索方向での隣接するグリッドデータとの比較で求められたアスペクト比が、前記水平軸を基準としてマイナスになっているときは、前記求めたアスペクト比を１０００倍に更新することを含むことを特徴とする請求項１０乃至１５のいずれかに記載の樹木頂点認識装置。 The process of updating by applying to the update process condition of the crown shape index calculation means,
When the aspect ratio obtained by comparison with adjacent grid data in all search directions is negative with respect to the horizontal axis, the method includes updating the obtained aspect ratio to 1000 times. trees vertices recognition apparatus according to any one of claims 10 to 15, characterized in. 前記樹木頂点認識手段は、
前記樹冠部毎に、ｎ×ｎのフィルタをかけて、該フィルタの中央に樹木頂点データが存在しかつ、該フィルタ内に他の樹木頂点データが存在したときに、両者の前記樹冠形状指数ＥＧｉを比較し、前記中央の樹冠形状指数ＥＧｉの方が小さい場合、前記中央の樹木頂点を消去することを含むことを特徴とする請求項１０乃至１６のいずれかに記載の樹木頂点認識装置。 The tree vertex recognition means includes:
For each tree crown, an n × n filter is applied, and when tree vertex data exists in the center of the filter and other tree vertex data exists in the filter, both the crown shape indices EGi The tree vertex recognition device according to claim 10, further comprising: deleting the center tree vertex when the center crown shape index EGi is smaller. 前記想定樹木は、針葉樹であることを特徴とする請求項１０乃至１８のいずれかに記載の樹木頂点認識装置。   The tree apex recognition apparatus according to claim 10, wherein the assumed tree is a conifer. 上空から地上を撮影した所定エリアのオルソフォト画像又は/及び所望のグリッドデータを画像化した画像を表示部の画面に表示する一方、前記所定エリア内の、地盤のＸ、Ｙ、Ｚ座標値及び樹木の表層のｘ、ｙ、ｚ座標値との差を求め、この差Ｚｃｉ及びＸｃｉ、Ｙｃｉ座標を樹木高グリッドデータＤｄｉとして得て、この樹木高グリッドデータＤｄｉに基づいて樹木の頂点を認識する樹木頂点認識のプログラムであって、
コンピュータに、
樹冠形状指数ＥＧｉを求めるための前記グリッドデータの検索範囲Ｍｉ、前記樹木高グリッドデータＤｄｉ、前記樹冠形状指数ＥＧｉから樹冠部を抽出するための局所領域を記憶手段に記憶する手段、
前記画像に対応する各樹木高グリッドデータＤｄｉを中心とした検索範囲Ｍｉ毎に、検索方向ｋｉｐについて、各樹木高グリッドデータＤｐｐｉの樹木高及び距離からアスペクト比の最大値、最小値を求め、前記最大値及び最小値を、想定樹木の基準の樹冠形状に基づいて樹木頂点を強調するための更新処理条件にあてはめることにより更新し、更新された値に基づき地上開度φ1´及び地下開度φ２´を求め、前記地上開度φ１´から前記地下開度φ２´を引いて１／２にした値を求め、この値を全ての検索方向で算出してそれらを平均し、これを樹冠形状指数ＥＧｉとして算出して前記記憶手段に記憶する樹冠形状指数算出手段、
前記樹木高グリッドデータＤｄｉに対して前記局所領域を定め、この局所領域毎に前記樹冠形状指数ＥＧｉの平均値と標準偏差とを求め、これらの和を閾値として求める閾値算出手段、
前記局所領域の前記閾値が求められる毎に、その樹冠形状指数ＥＧｉが前記閾値以上かどうかを判断し、閾値を超えているときに、その樹木高グリッドデータＤｄｉを樹冠部として抽出する樹冠部抽出手段、
前記樹冠部毎に、該樹冠部内に存在する最大の樹冠形状指数ＥＧｉを有する樹木高グリッドデータＤｄｉを樹木頂点として認識して、該認識した頂点を所定の形状にして前記表示部に表示又は前記頂点の座標値を出力する樹木頂点認識手段
としての機能させるための樹木頂点認識のプログラム。 While displaying an orthophoto image of a predetermined area obtained by photographing the ground from the sky or / and an image obtained by imaging desired grid data on the screen of the display unit, the X, Y, Z coordinate values of the ground in the predetermined area and The difference between the x, y, and z coordinate values of the surface layer of the tree is obtained, the differences Zci, Xci, and Yci coordinates are obtained as the tree height grid data Ddi, and the vertex of the tree is recognized based on the tree height grid data Ddi. A tree vertex recognition program,
On the computer,
Means for storing in the storage means a search area Mi of the grid data for obtaining the crown shape index EGi, the tree height grid data Ddi, and a local region for extracting a crown portion from the crown shape index EGi;
For each search range Mi centered on each tree height grid data Ddi corresponding to the image, the maximum value and the minimum value of the aspect ratio are determined from the tree height and distance of each tree height grid data Dppi for the search direction kip, The maximum value and the minimum value are updated by applying an update processing condition for emphasizing the tree vertex based on the standard crown shape of the assumed tree, and the ground opening φ1 ′ and the underground opening φ2 are updated based on the updated values. ′, And subtracting the underground opening φ2 ′ from the ground opening φ1 ′ to obtain a value ½, calculating this value in all search directions, averaging them, and calculating the crown shape index A crown shape index calculating means for calculating EGi and storing it in the storage means;
Threshold value calculating means for determining the local region for the tree height grid data Ddi, obtaining an average value and a standard deviation of the crown shape index EGi for each local region, and obtaining a sum of these as a threshold value;
Every time the threshold value of the local region is obtained, it is determined whether or not the crown shape index EGi is equal to or greater than the threshold value, and when the threshold value is exceeded, the tree height grid data Ddi is extracted as a crown portion. means,
For each crown portion, the tree height grid data Ddi having the maximum crown shape index EGi existing in the crown portion is recognized as a tree vertex, and the recognized vertex is displayed on the display unit in a predetermined shape or A tree vertex recognition program for functioning as a tree vertex recognition means for outputting vertex coordinate values.