【技術實現步驟摘要】
本專利技術涉及植被覆蓋監測，具體涉及一種區域植被覆蓋度監測方法及系統。
技術介紹
1、覆蓋度是植被生長狀況的直觀量化重要指標,是全球及區域氣候數值模擬、陸面地氣相互作用、水文生態等研究中的重要基礎參數。準確獲取植被覆蓋度長時間序列數據，將對相關領域應用研究具有重要的意義。
2、根據監測樣地區域空間尺度特征,植被覆蓋度指標獲取主要有大尺度遙感定量反演和地面樣方尺度人工調查監測。目前，地面樣方尺度人工調查仍是獲取植被覆蓋度的主要方法。傳統目測法受人為主觀性和采樣不確定性影響，誤差較大,調查頻次多為年尺度,且受到人力資源限制，在實際植被監測業務工作中，如何提升監測數據時間頻次已經成為傳統監測發展的瓶頸。
3、近年來,無人機監測逐漸成為新的監測手段。有研究指出,小型無人機在植被監測監測、草地資源管理及健康評價中潛能巨大，可提升植被蓋度監測的精準程度。無人機具有靈活性強、時效性高等優點，在輔助人工監測調查上具有一定優勢。各地區不斷探索建設定位觀測站，收集獲取大量的圖像數據集，傳統圖像數據分析中，需要人工目視估測或借助軟件人機交互提取植被覆蓋度，但該方法存在效率低下、主觀性強和耗費人力等問題，不能滿足高效準確、自動化提取植被覆善度的需求。因此，快速準確的圖像分析算法是觀測站自動化和智能化發展的重要基礎,現已成為亟需解決的技術問題。
技術實現思路
1、針對現有技術中的缺陷，本專利技術提供一種區域植被覆蓋度監測方法及系統，以解決
技術介紹
中所提出的技術問題。
2、
3、獲取監測區域內的航拍圖片，所述航拍圖片為bgr格式；
4、將所述航拍圖片轉換為第一灰度圖像，統計所述第一灰度圖像中非零像素個數；
5、對所述航拍圖片進行閾值處理，創建僅包含適合顏色范圍部分的遮罩；
6、通過遮罩操作所述航拍圖片，在所述航拍圖片中選擇與顏色范圍相匹配的部分，確認選中區域；
7、將所述選中區域轉化為第二灰度圖像，統計所述第二灰度圖像中非零像素個數；
8、根據所述第一灰度圖像中非零像素個數和所述第二灰度圖像中非零像素個數計算植被覆蓋度。
9、進一步，將所述第二灰度圖像中非零像素個數與所述第一灰度圖像中非零像素個數之比作為植被覆蓋度。
10、進一步，所述對所述航拍圖片進行閾值處理，包括：
11、采用hsv顏色模型對所述航拍圖片進行閾值處理。
12、進一步，所述hsv顏色模型的參數包括：
13、hmin為35，hmax為99，smin為43，smax為255，vmin為43，vmax為255；其中，
14、hmin表示色相下限，hmax表示色相上限，smin表示飽和度下限，smax表示飽和度上限，vmin表示明度下限，vmax表示明度上限。
15、進一步，在將所述航拍圖片轉換為第一灰度圖像之前，所述方法還包括：
16、對所述航拍圖片進行預處理，以得到高分辨率航拍圖片。
17、進一步，對所述航拍圖片進行預處理具體包括：
18、提取所述航拍圖片的特征，以獲得第一特征圖；
19、對所述第一特征圖進行尺度縮放，以獲得第二特征圖；
20、利用深度可分離卷積算法對所述第二特征圖進行卷積，以獲得第三特征圖；
21、將所述航拍圖片輸入至雙向金字塔結構，以得到第四特征圖；
22、將所述第三特征圖和第四特征圖相加，以得到所述高分辨率航拍圖片。
23、進一步，所述提取所述航拍圖片的特征具體包括：
24、利用多個空洞率不同的空洞卷積算法對所述航拍圖片進行卷積，以獲得多個空洞卷積結果；
25、對所有所述空洞卷積結果進行融合，以得到所述第一特征圖。
26、進一步，對所述第一特征圖進行尺度縮放具體包括：
27、采用上采樣處理對所述第一特征圖進行尺度縮放；
28、基于ln和mlp構成的多層感知機制對縮放后的第一特征圖進行1*1卷積，以得到所述第二特征圖。
29、進一步，利用深度可分離卷積算法對所述第二特征圖進行卷積具體包括：
30、利用3*3、7*7的深度可分離卷積算法對所述第二特征圖進行卷積，以得到兩個第一深度卷積結果；
31、利用5*5的深度可分離卷積算法對所述第二特征圖進行卷積，以得到第二深度卷積結果；
32、基于多尺度全局注意力機制計算第二深度卷積結果在不同空洞率下的鍵向量、查詢向量和值向量；
33、根據所述鍵向量、查詢向量和值向量分別計算兩個第一深度卷積結果和第二深度卷積結果的權重；
34、對3個權重進行1*1卷積，分別得到3個共享權重；
35、將所述共享權重分別帶入3個深度可分離卷積算法；
36、基于多尺度全局注意力機制、ln和mlp構成的多層感知機制對第一深度卷積結果和第二深度卷積結果進行融合，并通過1*1卷積進行修正，以得到所述第三特征圖。
37、第二方面，本申請還提供了一種區域植被覆蓋度監測系統，包括：
38、圖片獲取模塊，用于獲取監測區域內的航拍圖片，所述航拍圖片為bgr格式；
39、第一統計模塊，用于將所述航拍圖片轉換為第一灰度圖像，統計所述第一灰度圖像中非零像素個數；
40、遮罩創建模塊，用于對所述航拍圖片進行閾值處理，創建僅包含適合顏色范圍部分的遮罩；
41、區域選擇模塊，用于通過遮罩操作所述航拍圖片，在所述航拍圖片中選擇與顏色范圍相匹配的部分，確認選中區域；
42、第二統計模塊，用于將所述選中區域轉化為第二灰度圖像，統計所述第二灰度圖像中非零像素個數；
43、計算模塊，用于根據所述第一灰度圖像中非零像素個數和所述第二灰度圖像中非零像素個數計算植被覆蓋度。
44、本專利技術的有益效果體現在：
45、本申請提供的區域植被覆蓋度監測方法及系統，通過對航拍圖片進行識別處理，計算區域內的植被覆蓋度情況，提高了植被覆蓋度監測效率和準確性，避免了缺乏高效圖像處理算法、缺乏通用圖像處理工具等問題。該方法能夠有效處理航拍圖像數據，提高植被覆蓋度監測效率和準確性，有效節約人力。
本文檔來自技高網...【技術保護點】
1.一種區域植被覆蓋度監測方法，其特征在于，包括：
2.如權利要求1所述的一種區域植被覆蓋度監測方法，其特征在于，將所述第二灰度圖像中非零像素個數與所述第一灰度圖像中非零像素個數之比作為植被覆蓋度。
3.如權利要求1所述的一種區域植被覆蓋度監測方法，其特征在于，所述對所述航拍圖片進行閾值處理，包括：
4.如權利要求3所述的一種區域植被覆蓋度監測方法，其特征在于，所述HSV顏色模型的參數包括：
5.如權利要求1所述的一種區域植被覆蓋度監測方法，其特征在于，在將所述航拍圖片轉換為第一灰度圖像之前，所述方法還包括：
6.如權利要求5所述的一種區域植被覆蓋度監測方法，其特征在于，對所述航拍圖片進行預處理具體包括：
7.如權利要求6所述的一種區域植被覆蓋度監測方法，其特征在于，所述提取所述航拍圖片的特征具體包括：
8.如權利要求6所述的一種區域植被覆蓋度監測方法，其特征在于，對所述第一特征圖進行尺度縮放具體包括：
9.如權利要求6所述的一種區域植被覆蓋度監測方法，其特征在于，利用深度可分離卷積算
10.一種區域植被覆蓋度監測系統，其特征在于，包括：
...【技術特征摘要】
1.一種區域植被覆蓋度監測方法，其特征在于，包括：
2.如權利要求1所述的一種區域植被覆蓋度監測方法，其特征在于，將所述第二灰度圖像中非零像素個數與所述第一灰度圖像中非零像素個數之比作為植被覆蓋度。
3.如權利要求1所述的一種區域植被覆蓋度監測方法，其特征在于，所述對所述航拍圖片進行閾值處理，包括：
4.如權利要求3所述的一種區域植被覆蓋度監測方法，其特征在于，所述hsv顏色模型的參數包括：
5.如權利要求1所述的一種區域植被覆蓋度監測方法，其特征在于，在將所述航拍圖片轉換為第一灰度圖像之前，所...
【專利技術屬性】
技術研發人員：莫明浩，涂安國，石芬芬，王嘉，宋月君，彭道松，胡皓，廖凱濤，沈發興，
申請(專利權)人：江西省水利科學院江西省大壩安全管理中心，江西省水資源管理中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。