基于無(wú)人機(jī)正射影像和數(shù)字表面模型的果樹識(shí)別

0果園遙感影像的獲取果樹的種植和管理是現(xiàn)代農(nóng)業(yè)發(fā)展的重要組成部分。據(jù)聯(lián)合糧農(nóng)組織統(tǒng)計(jì)，世界果樹種植面積約占總面積的3%4%。利用遙感技術(shù)對(duì)果樹進(jìn)行識(shí)別并統(tǒng)計(jì)的理論基礎(chǔ)是提取果樹在影像中的光譜特征。Wulder等然而,考慮到果樹樹冠的大小和形狀,要對(duì)果樹進(jìn)行精準(zhǔn)識(shí)別并計(jì)數(shù)需要較高空間分辨率的遙感影像,這使得空間分辨率較低的衛(wèi)星影像在此方面的應(yīng)用得到很大限制。隨著無(wú)人機(jī)遙感技術(shù)的發(fā)展,使得利用無(wú)人機(jī)獲取果園尺度高空間、高時(shí)間和多光譜分辨率影像成為可能;同時(shí),無(wú)人機(jī)影像處理過程中利用SFM方法目前還沒有利用DSM影像進(jìn)行作物識(shí)別的研究,但已有部分研究利用無(wú)人機(jī)DSM求取作物高度。Ziliani等文章通過對(duì)目前研究現(xiàn)狀的分析,首次將無(wú)人機(jī)密集點(diǎn)云產(chǎn)生的DSM影像作為輔助數(shù)據(jù)加入到果樹識(shí)別與計(jì)數(shù)研究中,結(jié)合利用果樹冠層直徑對(duì)果樹的識(shí)別算法,可以在不用人為對(duì)影像研究區(qū)進(jìn)行勾畫的情況下利用單次無(wú)人機(jī)拍攝的一組數(shù)據(jù)(DSM和正射影像)實(shí)現(xiàn)對(duì)果樹的識(shí)別與計(jì)數(shù)。1研究區(qū)域和數(shù)據(jù)1.1個(gè)果園概況該文選擇位于美國(guó)加利福尼亞州弗雷斯諾縣里德利市郊區(qū)的一個(gè)果園,中心坐標(biāo)為北緯36°34′33″,西經(jīng)119°26′06″。該果園旁邊有高大喬木和低矮灌木,果園中間也有成簇的雜草叢,是進(jìn)行果樹精準(zhǔn)識(shí)別理想的研究區(qū)域(圖1)。1.2無(wú)人機(jī)影像獲取該研究所用數(shù)據(jù)由旋翼無(wú)人機(jī)搭載MicaSense公司的RedEdge相機(jī)采集。拍攝時(shí)間為2017年10月19日,無(wú)人機(jī)飛行高度30m。研究選用AgisoftPhotoScanProfession軟件來處理無(wú)人機(jī)影像,處理過程包括特征點(diǎn)提取、特征點(diǎn)匹配、密集點(diǎn)云生成、DSM和正射影像生成。最終獲得的影像空間分辨率為0.01m。2利用初步識(shí)別的行道樹識(shí)別栽植高度該研究目的是利用高分辨率無(wú)人機(jī)遙感影像對(duì)果樹進(jìn)行識(shí)別。目前,無(wú)人機(jī)影像主要是普通數(shù)碼相機(jī)提供的可見光影像和RedEdge相機(jī)提供的多光譜影像,這2種數(shù)據(jù)在生成正射影像的同時(shí)都會(huì)依據(jù)影像處理過程中產(chǎn)生的密集點(diǎn)云生成DSM影像。因此,將分別對(duì)這2類數(shù)據(jù)進(jìn)行研究,利用植被指數(shù)對(duì)植被區(qū)域進(jìn)行提取,將非植被區(qū)域設(shè)置為背景,消除其對(duì)果樹識(shí)別時(shí)產(chǎn)生的影響。將消除非植被區(qū)域的植被指數(shù)影像作為輸入影像,果樹直徑范圍作為輸入?yún)?shù),利用ENVI5.5軟件的CountCrops工具,獲得初步識(shí)別的果樹影像。由于該方法會(huì)將果樹直徑范圍內(nèi)的其他樹種和草叢誤識(shí)別為果樹,因此需要對(duì)產(chǎn)生的結(jié)果進(jìn)行二次處理,從而提高果樹的識(shí)別精度。研究將初步識(shí)別的果樹影像與無(wú)人機(jī)處理后同步生成的DSM影像疊加,以每一棵識(shí)別到的果樹范圍作為一個(gè)搜索窗口,搜索其在DSM影像中的相應(yīng)位置,然后向外擴(kuò)展一個(gè)像素形成新的計(jì)算窗口。假設(shè)搜索窗口中最大值為植被最高點(diǎn)的海拔高度,計(jì)算窗口中最小值為植被臨近地表的海拔高度,求取兩個(gè)高度的差值即可計(jì)算出植被的高度。利用果樹的高度范圍和求取的植被高度數(shù)據(jù),對(duì)初步識(shí)別出的果樹進(jìn)行再次識(shí)別,最終確定果樹的位置和數(shù)量。具體流程如圖2所示。2.1計(jì)算植物指數(shù)的參數(shù)利用圖像光譜信息進(jìn)行目標(biāo)識(shí)別的第一步是利用圖像光譜特征減少信息量目前,基于可見光影像和多光譜影像的植被指數(shù)有40多種2.2inp影像源及參數(shù)ENVI5.5軟件以及配套的IDL87編程軟件提供了一種基于作物冠層直徑范圍的作物識(shí)別計(jì)數(shù)方法(函數(shù))該函數(shù)中,ENVIAgCropCount為調(diào)用的函數(shù)名;outCrops代表函數(shù)的輸出對(duì)象,該對(duì)象包括兩部分,一部分為作物位置影像,另一部分為包括作物中心坐標(biāo)以及冠層直徑的數(shù)據(jù)庫(kù);Input代表輸入的柵格影像,該研究采用閾值分割后的植被指數(shù)影像;Minimum＿Crop＿Diameter為果樹冠層的最小直徑(單位:m);Maximum＿Crop＿Diameter為果樹冠層的最大直徑(單位:m);GAUSSIAN＿FACTOR為高斯平滑因子;/INCLUDE＿EDGES為可選擇輸入,代表作物識(shí)別時(shí)是否包括影像邊緣的作物;INTENSITY＿THRESHOLD為作物強(qiáng)度閾值,用于影像像元的聚類分析;NUMBER＿OF＿INCREMENTS為搜索步長(zhǎng);OUTPUT＿NCROPS為輸出的作物數(shù)量,并將結(jié)果儲(chǔ)存到outputNumCrops變量中;PERCENT＿OVERLAP為作物重疊度。2.3利用初步識(shí)別的樹直徑以及確定樹位坐標(biāo)該研究利用IDL87的ENVIAgCropCount函數(shù)生成了作物位置影像和包括作物中心坐標(biāo)以及冠層直徑的數(shù)據(jù)庫(kù),并將該位置信息影像疊加到無(wú)人機(jī)同步生成的DSM影像中,根據(jù)DSM影像分辨率和輸出數(shù)據(jù)庫(kù)中的果樹中心坐標(biāo)以及冠層直徑信息,可以得到研究區(qū)果樹海拔數(shù)據(jù)集。式(1)～(2)中,D(u)代表果樹的像素集合,d為識(shí)別到的果樹的直徑,PPI為DSM影像的空間分辨率,R為識(shí)別到的果樹的半徑所對(duì)應(yīng)的像素?cái)?shù)量,o(x,y)為識(shí)別到的果樹中心坐標(biāo)。根據(jù)果樹的鄰近空間關(guān)系此時(shí),果樹高度即可表示為:式(4)中,H代表果樹高度,h2.4利用樹冠高度信息對(duì)高度信息的二次識(shí)別在縱向空間中,果樹的高度通常介于高大喬木與低矮灌木之間,形成其獨(dú)特的縱向特征。依據(jù)此特性,以果樹高度范圍為閾值,利用DSM和位置信息求出的高度數(shù)據(jù)進(jìn)行二次識(shí)別,剔除不符合果樹高度范圍的對(duì)象,生成全新的果樹位置影像并統(tǒng)計(jì)果樹數(shù)量。式(5)中,H3樹體識(shí)別實(shí)驗(yàn)為了評(píng)價(jià)該文提出的方法對(duì)果樹進(jìn)行識(shí)別的精度,該研究利用無(wú)人機(jī)拍攝生成的可見光、多光譜和DSM影像進(jìn)行了果樹識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)包括植被指數(shù)篩選、基于果樹冠層直徑的果樹初識(shí)別、基于果樹初識(shí)別結(jié)果的果樹高度計(jì)算和果樹二次識(shí)別等分析,并基于實(shí)驗(yàn)誤差對(duì)方法可行性進(jìn)行了討論。3.1植被識(shí)別指數(shù)的確定該文計(jì)算了5種植被指數(shù),并依據(jù)植被指數(shù)的特性來提取植被區(qū)域,從而消除非植被區(qū)域?qū)麡渥R(shí)別產(chǎn)生的影響。為了篩選出識(shí)別植被最佳的植被指數(shù),通過目視解譯和定量評(píng)價(jià)2個(gè)角度分別對(duì)5種植被指數(shù)的結(jié)果進(jìn)行了比較。圖3為從研究區(qū)選取的示例區(qū)域原始圖與5種植被指數(shù)在該區(qū)域的植被識(shí)別結(jié)果。結(jié)果發(fā)現(xiàn),基于多光譜影像的MRENDVI對(duì)植被的識(shí)別結(jié)果最好,植被區(qū)域識(shí)別較為完整,幾乎沒有誤識(shí)別區(qū)域,可以作為植被識(shí)別的最佳特征指數(shù)。對(duì)于可見光影像,GLI也有很高的識(shí)別精度,可以作為可見光影像對(duì)植被識(shí)別的特征指數(shù)。但GLI會(huì)將部分行壟間的非植被區(qū)域誤識(shí)別為植被,這可能是因?yàn)榈匚锷⑸湓斐傻目梢姽庥跋裨肼曇鸬?。而NDI、NDVI和GNDVI這3個(gè)指數(shù)的識(shí)別結(jié)果都摻雜著大量的植被陰影,無(wú)法滿足研究對(duì)植被識(shí)別的需求。目視解譯的結(jié)果在一定程度上存在主觀性。為了更加客觀地比較5種植被指數(shù)對(duì)植被識(shí)別的優(yōu)劣,該研究選用Matusita距離法式(6)中,Dist表2為5種植被指數(shù)對(duì)植被區(qū)域進(jìn)行識(shí)別后,植被區(qū)域和非植被區(qū)域頻率直方圖的Matusita距離值。研究發(fā)現(xiàn)該結(jié)果與人工目視解譯結(jié)果高度吻合。MRENDVI的Matusita距離值最大,為0.43,說明識(shí)別到的植被區(qū)域和非植被區(qū)域有高度的非相似性,可以作為植被識(shí)別的一種重要指數(shù)。GLI的Matusita距離為0.40,說明GLI也具有植被識(shí)別能力,但效果不如MRENDVI,這是因?yàn)镚LI本質(zhì)是一種將可見光波段中的綠波段增強(qiáng)的指數(shù),該指數(shù)雖然很大程度上突出綠葉在影像識(shí)別中的貢獻(xiàn),但不可避免地會(huì)將影像中其他綠波段反射率較高的像素點(diǎn)識(shí)別為植被。NDI、NDVI和GNDVI的Matusita距離值相似,分別為0.29、0.23和0.22,說明這3個(gè)指數(shù)識(shí)別的植被影像和非植被影像的非相似性不高,在該研究中不適合作為植被識(shí)別的植被指數(shù)來使用。根據(jù)上述比較分析,該研究最終選擇GLI為可見光影像的植被識(shí)別指數(shù),MRENDVI為多光譜影像的植被識(shí)別指數(shù)。為了對(duì)該文提出的研究方法進(jìn)行更加科學(xué)地分析,研究選用了MRENDVI提取的植被區(qū)域進(jìn)行后續(xù)操作。3.2條件2:蘋果顯示下的突出高度研究將已知的果樹冠層直徑范圍(1.5～2.5m)輸入到ENVIAgCropCount函數(shù)中,得到初識(shí)別的果樹影像。如圖4所示,果園中果樹識(shí)別較為完整可靠。對(duì)識(shí)別到的果樹對(duì)象計(jì)數(shù),共識(shí)別到3191棵果樹。該方法仍將一些雜草和果園周圍的其他樹木識(shí)別為果樹。同時(shí),果園中的果樹有部分漏識(shí)別,主要原因是部分果樹已經(jīng)枯萎(圖5(a)),無(wú)明顯冠層,研究區(qū)內(nèi)這種情況的果樹共有86棵,該研究中不再把此類果樹加入到實(shí)際果樹計(jì)數(shù)中。還有部分漏識(shí)別是因?yàn)楣趯娱L(zhǎng)勢(shì)較差,直徑太小,未在輸入的已知果樹直徑范圍內(nèi)(圖5(b)),該情景漏識(shí)別的果樹共有7棵(占總果樹數(shù)量的0.2%),這也是ENVIAgCropCount函數(shù)存在的局限性之一。對(duì)于該情景還需要進(jìn)一步論證,尋求擴(kuò)大果樹直徑范圍和識(shí)別精度之間的平衡。排除掉已枯萎的果樹,通過目視解譯,研究區(qū)內(nèi)共有果樹3034棵,識(shí)別精度為94.8%。為了進(jìn)一步提高果樹識(shí)別精度,該文利用無(wú)人機(jī)同步生成的DSM影像和果樹高度求取方法計(jì)算了研究區(qū)內(nèi)識(shí)別出的果樹高度,如圖6所示。研究發(fā)現(xiàn),果園內(nèi)果樹的高度普遍在1.8～2.5m區(qū)間內(nèi),這與該果園果樹實(shí)際高度吻合。果園西側(cè)誤識(shí)別為果樹的喬木高度普遍大于2.8m,果園東側(cè)和南側(cè)誤識(shí)別為果樹的灌木的高度普遍高于0.5m且低于1m,果園中果樹間誤識(shí)別為果樹的草叢高度則接近0m,它們的高度與果樹高度形成了鮮明對(duì)比。3.3下一步的識(shí)別消除在果園之外的部分漏識(shí)別研究利用計(jì)算出的果樹高度和果樹再識(shí)別方法,將1.8～2.5m作為果樹的高度范圍,對(duì)果樹初識(shí)別的結(jié)果進(jìn)行二次識(shí)別,并根據(jù)識(shí)別后對(duì)象的數(shù)量進(jìn)行計(jì)數(shù)統(tǒng)計(jì),識(shí)別結(jié)果如圖7所示。從圖7中發(fā)現(xiàn),識(shí)別到的果樹均在果園范圍,且均勻整齊排列,這與現(xiàn)實(shí)情況相符。果園以外其他植被的誤識(shí)別和果園內(nèi)部果樹間草叢誤識(shí)別基本消除,這說明該方法對(duì)于提高果樹識(shí)別精度有較明顯的效果。但對(duì)果園中的果樹有部分漏識(shí)別,這主要是因?yàn)镋NVIAgCropCount函數(shù)進(jìn)行初識(shí)別時(shí)對(duì)部分果樹未識(shí)別(詳見3.2節(jié)),說明該方法對(duì)漏識(shí)別果樹沒有補(bǔ)救措施,需要在日后研究中進(jìn)一步改進(jìn)。通過果樹高度對(duì)果樹再次識(shí)別后,共識(shí)別3027棵果樹,與實(shí)際3034棵果樹相比,識(shí)別精度為99.8%。相較于初識(shí)別結(jié)果,精度提高了5%。由于研究區(qū)中混雜非果園植被區(qū)域面積有限,造成該方法識(shí)別精度提高受到限制,需要在后續(xù)研究中對(duì)該方法進(jìn)行改進(jìn),進(jìn)一步提高該方法對(duì)果樹的識(shí)別精度和普適性。4利用行道樹初步識(shí)別為了能更加方便、準(zhǔn)確地在宏觀尺度對(duì)果樹進(jìn)行識(shí)別,該文基于現(xiàn)階段作物識(shí)別和無(wú)人機(jī)應(yīng)用的研究現(xiàn)狀,首次將無(wú)人機(jī)影像拍攝的正射影像和DSM相結(jié)合,提出了一種利用單次無(wú)人機(jī)影像的果樹精準(zhǔn)識(shí)別方法。該方法通過對(duì)無(wú)人機(jī)生成的正射影像進(jìn)行植被指數(shù)計(jì)算,提取研究區(qū)內(nèi)的植被區(qū)域;根據(jù)植被區(qū)域和果樹冠層直徑范圍對(duì)果樹進(jìn)行初步識(shí)別;基于果樹位置和無(wú)人機(jī)生成的DSM影像計(jì)算果樹高度;最后依據(jù)果樹高度范圍實(shí)現(xiàn)對(duì)果樹的精準(zhǔn)識(shí)別。該方法在美國(guó)加利福尼亞州弗雷斯諾縣里德利市郊區(qū)的一個(gè)果園中進(jìn)行了應(yīng)用測(cè)試。研究發(fā)現(xiàn),利用該方法對(duì)果樹進(jìn)行精準(zhǔn)識(shí)別,精度達(dá)到了99.8%,較果樹初識(shí)別結(jié)果