森林冠层孔隙度提取方法比较

宋文龙，郭 慧，宋佳音

(东北林业大学，黑龙江 哈尔滨 150040)

森林冠层孔隙度提取方法比较

宋文龙，郭 慧，宋佳音

(东北林业大学，黑龙江 哈尔滨 150040)

选取最大熵算法、OTSU算法和改进OTSU算法对同一副鱼眼镜头的冠层半球图像进行孔隙度提取，并将结果与Winscanopy软件所得结果进行比较分析。结果表明，改进的OTSU算法与Winscanopy具有最高的相关性，改进OTSU算法为有效获取冠层孔隙度开辟了新途径。

Winscanopy；半球图像；冠层孔隙度；改进OTSU算法

叶面积指数是衡量森林冠层生长情况的一个非常重要的指标。叶面积指数的测量分为直接法和间接法[1]。直接法虽结果真实但却不易实施，因此间接法得到了非常广泛的应用。目前间接测量法中主要包括相对生长测定法、斜点样方法和光学测量法。目前主要采用的光学测量法中，使用的仪器主要包括LAI-2000、HemiView、TRAC等。但光学测量法在使用时受到地面诸多因素的影响，如光照强度、曝光率、测量时间等，因此国内外学者对于此方法进行了诸多研究。在间接法中，Winscanopy软件得到了多方面的认可，但由于商业化软件使用范围受到限制，所以本文采用光学测量法对冠层孔隙度进行提取，进而与Winscanopy软件进行比较，从而验证结果的可靠性。

森林冠层半球图像孔隙度即为半球图像中天空占整个图像的比例。冠层半球图像是通过带有鱼眼镜头的数码相机由下向上拍摄所得。冠层孔隙度对于研究(如叶面积指数、叶倾角等)具有非常重要的意义，因此本文选取最大熵算法、OTSU算法、改进OTSU算法对冠层参数中的冠层孔隙度进行提取，以期为冠层的结构和特征研究提供最佳的冠层孔隙度提取方法。

1 方案设计

1.1 系统构成

系统总体方案设计见图1。

1.2 半球图像的蓝色通道提取

由鱼眼镜头拍摄的冠层半球图像在存储时为RGB彩色图像。由光学特性可知，太阳光在RGB彩色图像的蓝色通道中被反射的最少，冠层更暗，对比红色通道和绿色通道图像更加显而易见。因此本文选择对原始图像的蓝色通道进行处理。原始图像及单色通道图像见图2。

图1 总体设计方案

1.3 图像分割

鱼眼镜头的视角几乎可以达到180度，所以当镜头是由下向上垂直拍摄获得一幅完整的天空图像时，由于拍摄的图像受到地点、时间、天气等因素的影响，造成图像中最亮的部分不一定在图像的正中央，使得不同方位角上接受的太阳辐射有所不同；或者由于低矮作物枝叶的影响，遮挡住了小部分的冠层。为解决以上问题造成的冠层孔隙度提取过程中的困难，增加准确度，本文将冠层图像按照不同的方位角分成8个扇形图像进行分别处理(图3)。

图2 阔叶林原始图像及单色通道图像

1.4 阈值的选择

由于阈值处理的方法直观、实现方便且计算速度快，因此图像阈值处理在图像分割应用中处于核心地位。设一幅灰度图像为f(x，y)，则此图像基本可概括为由灰度值较高的背景和灰度值较低的物体组成。若在最小误差下将物体从背景中分离出来，选择一个合适的阈值(T)将会是一种行之有效的方法。(x，y)为灰度图像f(x，y)中的任意像素点，若f(x，y)

目前对于阈值的选取方法多种多样，如直方图法、OTSU算法、最大熵算法、一维交叉熵值法、二维OTSU算法等。经过多方面的研究和比较，本文在为扇形图像选取合适的阈值时，选择了最大熵算法、OTSU算法和改进OTSU算法。因原始的OTSU算法只是将图像中的全部像素不进行归类的提取，所以在改进OTSU算法中，将扇形图像的像素信息提取出来，去除非处理目标的空白部分的像素点，那么剩余的像素点即为环形图像的实际要处理的部分。因此改进OTSU算法在处理扇形图像方面有显著改善。

选择合适的阈值之后，将分割后的图像进行二值化处理，灰度值大于阈值的像素置为1，否则置为0。二值化后的图像见图4。由图4可明显看出，3种算法的阈值为T改进OTSU>TOTSU>T最大熵。

图3 相同方位角扇形图像

图4 二值化图像

2 数据处理

将3种算法二值化生成的8幅图像分别提取黑色像素个数并求和(S)。因每幅图像的大小均相同，设R为图像的像素总个数，冠层孔隙度为GF，则GF=(R-S)/R，对于每幅图像阈值的选择见表1。图像二值化后，提取二值化图像中像素值为0的像素的个数，见表2。

表1 阈值的选择

表2 像素值为0的像素个数

本文为排除图像选取时的特殊性，用3种方法同时提取了9幅针叶林图像的冠层孔隙度，结果见表3。由表3可知，在处理针叶林图像时，改进OTSU算法显然与Winscanopy处理所得数据有着更大的相关性，9组图像数据的相关系数均在0.96以上。

表3 3种算法与Winscanopy软件处理针叶林图片数据比较 %

3 小结

本文采用3种不同的算法提取针叶林森林冠层孔隙度并与国际较为认可的Winscanopy软件相比较。结果显示，改进OTSU算法与Winscanopy具有最高的相关性，9组图像数据的相关性均在0.96以上，而OTSU算法与最大熵算法显然不适用于处理本文中的半球图像。

[1]李靖宇，穆伟斌，金成，等.图像分割在医学图像处理中的应用研究[J].微型机与应用，2012，8(3)：29-31.

[2]Alemu Gonsamo，Jean-Michel N.Walter，Petri Pellikka.CIMES：A package of programs fordetermining canopy geometry and solar radiation regimes through hemispherical photographs[J].Computers and Electronics in Agriculture，2011，79(9)：207-215.

[3]张丽敏，王丽华，殷红.一种半球图像的处理方法[J].辽宁林业科技，2006，3(4)：16-19.

[4]Craig Macfarlane，Stefan K.Arndt，Stephen J.Livesley.Estimation of leaf area index in eucalypt forest with vertical foliage，using cover and fullframe fisheye photography[J].Forest Ecology and Management，2007，242(8)：756-763.

[5]冈萨雷斯.数字图像处理[M].3版.北京：电子工业出版社，2011：6.

[6]谢勰，王辉，张雪峰.图像阈值分割技术中的部分和算法综述[J].西安邮电学院学报，2011，3(5)：1-5，13.

[7]韩思齐，王蕾.图像分割的阈值法综述[J].系统工程与电子技术，2006，6(4)：91-94.

[8]姚敏.数字图像处理[M].北京：机械工业出版社，2006.

[9]陈书海.实用数字图像处理[M].北京：科学出版社，2005.

Comparation of Extraction Method of Forest Canopy Porosity

SONG Wen-long，GUO Hui，SONG Jia-yin

(NortheastForestryUniversity，Harbin150040，Heilongjiang，China)

Select three methods，include maximum entropy algorithm，OTSU algorithm，improved OTSU algorithm that is applied for extracting porosity of canopy hemispherical phothgraph of the same pair of fisheye lens and contrasting result with another result got by Winscanopy.The result shows，correlation of OTSU algorithm improved in this paper and Winscanopy is high.Therefore，improved OTSU algorithm proposed in this paper is applied for opening up new ways of getting forest canopy porosity effectively.

Winscanopy；hemispherical photographs；canopy gap graction；improved OTSU algorithm

2014-09-26；

2014-10-27

中央高校基本科研业务费专项资金项目(基于DHP反演森林冠层结构参数方法的研究，2572014BB04)

宋文龙(1973—)，男，吉林四平人，东北林业大学教授，博士生导师，从事林业智能检测与控制研究。E-mail：980210357@qq.com。

10.13428/j.cnki.fjlk.2015.03.013

S718.42

A

1002-7351(2015)03-0063-04