基于數碼照片的草地植被蓋度快速提取方法對比

徐金勤， 邱新法， 丁 肖， 何永健， 王丹丹

(1.南京信息工程大學應用氣象學院，江蘇 南京 210044； 2.南京信息工程大學地理與遙感學院，江蘇 南京 210044)

草地植被蓋度是指觀測區域內草的垂直投影面積占總地表面積的百分比[1]，它是衡量草地生態系統及其生長狀況的重要生態學參數和量化指標[2-3]。在草原的動態監測和評價中，草地植被蓋度是進行草場資源評價、土地荒漠化評估以及合理化放牧的重要參考。

目前，植被蓋度的估算方法可以概括為2類：遙感估算法和地表實測法[4]。遙感估算法大多應用于大尺度植被蓋度的提取和監測，常用的方法包括經驗模型法、植被指數法和亞像元分解法，估算精度相對較低[5]。地表實測方法主要包括點測法、目估法、數碼照相法、方格法、儀器測量法等，其中，數碼照相法由于其經濟高效、準確度高，被國內外眾多學者應用于植被蓋度的提取研究[6]。Guijarro等[7]基于數碼照片和紋理特征，借助于計算機技術識別田間雜草。池宏康等[8]利用Photoshop軟件對圖像進行處理，分別統計圖像中的植被像元數量和樣地像元數量來計算草地植被蓋度。張清平等[9]利用WinCAM顏色分析軟件，通過實驗制定統一的顏色標準，利用顏色比對來提取綠色植被并計算植被蓋度。

利用現有的蓋度計算方法，如監督分類、RGB閾值和分類決策樹等方法進行室內解譯時需要人工干預，存在自動化解算的困難。為此，本研究基于草地照片，設計一種自動閾值分割算法，對比分析EXG指數法、H分量法以及a*分量法對于快速提取植被蓋度的效果和適用性。本研究可以實現草地植被蓋度的快速自動解算，為當前遙感監測業務提供很好的補充作用。

1 研究區概況與研究方法

1.1 研究區概況

烏拉特中旗(41°07′～41°28′N，107°16′～109°42′E)地處內蒙古高原西部，屬于大陸性干旱氣候，四季分明，年平均氣溫5.8 ℃，年均降水量僅198.6 mm，蒸發量2 347.8 mm。烏拉特中旗草場資源豐富，由于其地處半荒漠地帶，天然草場以荒漠化草原為主體，植被稀疏、低矮。主要植被種類有松葉豬毛藜、泠蒿、芨芨草、石針茅、紅砂、叢生小禾草等，顏色為偏黃綠色。

1.2 數據采集

2015年9月中下旬，利用多款智能手機(華為、三星等)沿S311(石哈河—巴音查干—海流圖)和S212(海流圖北—烏拉特中旗)公路進行拍照取樣，拍照時保持手機平面與地面平行，于1米高度處進行拍攝，以減少照片周圍幾何變形的誤差。隨機選取30張采樣照片(圖1)在PhotoShop中用1 000×1 000的像素窗口統一進行裁切，選擇裁切后的圖像進行后續處理。

圖1 烏拉特中旗草地采樣照片合成圖Fig.1 Synthetic map of sampling photos in Wulatezhongqi grassland

1.3 研究方法

1.3.1 顏色特征的選取與優化 數碼相機或智能手機拍攝的照片，是基于RGB顏色空間進行采集和保存的，因此關于植被蓋度提取方法的研究中大多數是基于RGB顏色空間。在所有基于RGB顏色空間的植被指數中，EXG是最為常用的植被指數[10]，該指數計算公式如下：

EXG=2g-r-b

(1)

其中，

r=R/(R+G+B)；g=G/(R+G+B)；b=B/(R+G+B)

式中，R、G、B分別表示紅、綠、藍三基色，r、g、b表示歸一化處理之后的R、G、B。

除了RGB顏色空間外，HIS顏色空間和L*a*b*顏色空間也較為常用。其中，HIS顏色空間是利用色度(Hue)、飽和度(Saturation)和亮度(Intensity)3個參數來描述顏色，模擬人類視覺系統對色彩的感知方式，其H分量與圖像彩色信息密切相關，因此該顏色空間中的H分量常被用來識別和研究彩色圖像中的目標物[11]。L*a*b*顏色空間中，a*分量用來表示由深綠色到粉紅色的顏色變化。因此在彩色圖像中，像素的a*分量值越低，對應綠色等級則越高。野外拍攝時易受光照影響，故而拍攝的圖像具有較高的對比度。RGB顏色空間中3個分量之間具有較強的相關性，亮度的變化會影響R、G、B的取值，而L*a*b*顏色空間3個分量的獨立性較高，能夠有效改善RGB顏色空間的缺點[12-13]。

為提高計算機的計算效率，應盡量減少浮點型數據的運算。因此，需要對3種空間的顏色特征進行優化處理，即將原始結果拉伸到0～255的灰度空間，具體計算公式如下：

(2)

式中，f(x,y)表示某一點的像素值，A(x,y)min、A(x,y)max分別表示整個圖像空間像素元的最小值和最大值。由于H、a*分量會存在奇異值，若直接按照上述公式進行拉伸，將會導致圖像的灰度值過度集中在某個區間范圍內。通過多次試驗，確認當取直方圖累計頻率為1%、99%時，其進行拉伸的效果最好。

1.3.2 自動閾值分割方法 本研究利用最大類間方差法[14]作為閾值分割方法，其基本思想是：被分割的兩部分的類間方差越大，錯分率則越小。基于此方法的自動閾值設定具體如下：

設圖像有L個灰度級，灰度值為i的像素數表示為ni，則總像素數N為：

(4)

(5)

選擇灰度t將圖像分割成2個區域，分別為背景類A(灰度級為1～t)，目標類B(灰度級為t+1～L-1)。A、B出現的概率分別為：

(6)

A、B 2類的灰度均值分別為：

(7)

圖像總的灰度均值為:

(8)

由此可以得到A、B兩區域的類間方差：

(9)

從1到L-1依次改變t，計算類間方差σ2，其中，使得σ2值最大的t*即為最佳閾值。

(10)

1.3.3 圖像分割后處理 為獲取更為準確的蓋度提取結果，需要對圖像進行后續處理。數學形態學[15]是研究數學形態特征和快速并行處理方法的形態學理論，其基本運算包括開運算、閉運算、膨脹和腐蝕。

由圖2可見，開運算濾除了圖像中的椒鹽狀噪聲；閉運算則通過連接臨近物體，填補圖像中狹隘空隙和小空洞，使物體邊緣更平整。腐蝕與開運算均能夠有效去除土壤中的隨機噪聲點，但當植被葉片呈細針狀時，腐蝕也會去除大量的植被葉片，而開運算先腐蝕再膨脹，能夠一定程度上還原腐蝕掉的葉片，效果最佳，因此最終選用3×3窗口的開運算進行圖像分割后的處理。

圖2 形態學處理圖Fig.2 The figures of morphological processing

1.3.4 草地植被蓋度的計算 植被蓋度的計算公式如下：

(11)

式中，N′和N分別表示植被像元數量和總像元數量。

此外，為了對比分析陰影對蓋度提取的影響，需要進行去除陰影操作。具體方法如下：

首先將每一張照片基于RGB三通道轉化為亮度的灰度值圖像，計算公式為：

亮度=0.299×R+0.587×G+0.114×B

(12)

其次，設置特定閾值x，將圖像中灰度值小于x的像元判別為陰影，反之，大于x的像元則判別為非陰影。參考文獻[16]、[17]，并結合本研究區的實際情況，將閾值x設置為45。

1.3.5 精度評價方法 由于草地植被蓋度的“真實值”難以獲取，因此在進行精度評價時往往從圖形統計的角度出發獲取“真實值”，常用、可靠的方法包括人工勾勒法[8](如Photoshop勾勒、手動勾勒)、針刺法[18]以及樣方圖形法[19]等。由于本研究區域草地植被顏色多為黃綠色，葉片多以長條形為主，因此人工勾勒方法不能完全滿足研究需求。

為此本研究設計了一種精度評價方法，即通過模擬傳統的針測法來獲取植被蓋度的參考值。其基本思想是在一幅圖像中隨機投放一批點(使用ArcGIS中的Create Random Points工具)，則落在植被區域內點的個數占總點數的百分比即為蓋度參考值。為了獲取更為準確的參考值，每次設置的隨機點個數為500，并且每幅圖像進行3次測定后取其平均值作為最終的參考值。為檢驗此種植被蓋度“真實值”獲取方法(投點法)的可靠性，選取綠色特征顯著、適用于Photoshop勾勒方法的一些樣片進行試驗，發現投點法與Photoshop勾勒法的提取結果相當，因此可以將投點法獲取的蓋度值作為本研究的準確參考值。

2 結果與分析

2.1 草地蓋度估算結果對比分析

由表1可見，EXG指數法的提取效果最好，其絕對偏差均值和均方根誤差值最小，分別為3.4%和4.2%，平均精度高達90.6%；a*分量法次之，其絕對偏差均值為4.5%，均方根誤差為6.0%，平均精度為83.9%；H分量法的提取效果最差，其絕對偏差均值為6.8%，均方根誤差較大，為9.1%，平均精度為79.7%。

表1草地蓋度的估算誤差表

Table1Estimationerrorofgrasslandvegetationcoverage

方法絕對偏差(%)均方根誤差(%)平均精確度(%)EXG指數法3．44．290．6a?分量法4．56．083．9H分量法6．89．179．7

為了進一步比較這3種蓋度估算方法，以隨機點法獲得的植被蓋度參考值為橫坐標，以EXG指數法、a*分量法和H分量法所獲取的蓋度為縱坐標，分別作散點圖(圖3)。

由散點分布和決定系數R2來看，EXG指數法的散點較為密集地分布在回歸線附近，R2值為0.95，表明EXG指數法提取的結果與參考值具有較好的一致性。a*分量法和H分量法這2種方法的散點分布較為離散，R2值相對較低，為0.85，表明這2種方法計算的蓋度值與參考值存在較大差別。

由回歸線的斜率可見，EXG指數法和a*分量法的回歸斜率均小于1，表明這2種方法存在低估現象，這主要是由于利用投點法人工目視估算植被蓋度時，可以將照片中的非綠色植被以及部分陰影中的植被區域識別出來，而EXG指數法和a*分量法僅能識別出圖像中植被的綠色或黃綠色部位，對于非綠色植被的莖和枝條等未能識別出來。此外，H分量法的回歸斜率大于1，表明該方法存在整體高估現象，這可能是由于H分量法對于圖像中的陰影敏感所致。

圖3 烏拉特中旗草地植被蓋度計算值與參考值的相關關系Fig.3 The correlation between the calculated values and reference values of grassland vegetation coverage in Wulatezhongqi grassland

2.2 陰影對估算精度的影響分析

為探究陰影區域對于不同方法的影響，對選取的30幅圖像，參照公式(12)作去除陰影處理，進而比對分析去除陰影前后的草地植被蓋度提取效果(表2)。

表2陰影影響誤差表

Table2Estimationerroroftheshadoweffect

方法未去陰影絕對偏差(%)均方根誤差(%)去除陰影絕對偏差(%)均方根誤差(%)EXG指數法3．44．24．45．3a?分量法4．56．04．96．1H分量法6．89．14．25．3

由表2可見，去除陰影之后，EXG指數法的絕對偏差由3.4%增加到4.4%，均方根誤差也呈現增大趨勢，由原來的4.2%增大至5.3%；H分量法的絕對偏差由6.8%降低到4.2%，均方根誤差也隨之顯著降低，由原來的9.1%降低至5.3%；a*分量法，去除陰影前和去除陰影后的絕對偏差和均方根誤差均無明顯變化。

由圖4可見，去除陰影之后，EXG指數法的決定系數R2由未去除陰影時的0.95降低到0.94，回歸線的斜率由0.90下降至0.88；對于H分量法，其決定系數R2由0.85增加至0.91，回歸線的斜率由1.08下降至1.01；對于a*分量法，其去除陰影前后的變化不大。

綜上可知，在去除陰影之后，EXG指數法的估算誤差增大，這主要是由于該方法對陰影區域中的植被葉片具有一定的識別能力，而在去除陰影的同時部分葉片也被一同去除，故而導致其計算結果被低估，因此在使用EXG指數法時不需要考慮去除圖像中的陰影影響。H分量法在去除陰影后，其計算精度會顯著提高，這是因為H分量對圖像中的陰影敏感，陰影區域的像元R、G、B值較為相近，當從RGB彩色空間轉換至HIS空間時，H分量值的變異性較大，在提取綠色植被蓋度時也會將陰影區域一并讀入，因此最終會造成植被蓋度的高估現象。故而，在應用H分量法時必須首先去除圖像中的陰影區域。

2.3 草地綠度對估算精度的影響分析

從原理上來講，植被像元的顏色越深則越容易被識別，提取精度也就越高。為探究草地綠度對于不同方法估算精度的影響，分別以綠色草地和黃綠色草地各為一組進行比對分析(表3)。

由表3可見，EXG指數法對綠色草地的估算精度略高于黃綠色草地，其對綠色草地的估算精度平均為93.4%，而對黃綠色草地的估算精度平均為89.8%；H分量法對綠色草地的估算精度低于EXG指數法，平均為88.3%，其對黃綠色草地的估算精度相對最低，平均為78.6%；a*分量法對綠色草地的估算效果明顯優于黃綠色草地，其中a*分量法對于黃綠色草地蓋度的估算精度平均為80.7%，均方根誤差為6.9%，而對綠色草地的估算精度平均卻高達91.7%，均方根誤差也降低至4.0%，僅次于EXG指數法，加之在去除陰影前后，a*分量法對草地蓋度的估算結果無明顯變化，因此可以判斷造成a*分量方法誤差相對較大的主要原因是草地綠度的影響。此外，無論是對綠色草地還是黃綠色草地，EXG指數法的估算精度均明顯大于其他2種方法，具有較好的適用性。

圖4 去除陰影后的草地蓋度計算值與參考值的相關關系Fig.4 The correlation between the calculated values and reference values of grassland vegetation coverage after removing the shadow

表3不同綠度草地的蓋度估算誤差

Table3Estimationerrorofgrasslandvegetationcoveragefordifferentgreendegrees

方法綠色草地估算精度(%)均方根誤差(%)黃綠色草地估算精度(%)均方根誤差(%)EXG指數法93．43．789．83．2a?分量法91．74．080．76．9H分量法88．36．578．68．6

3 討 論

本研究基于內蒙古烏拉特中旗草地照片，設計出一種利用自動閾值分割算法快速計算植被蓋度的方法，并基于該方法對比分析了EXG指數法、H分量法以及a*分量法3種顏色特征方法快速提取草地植被蓋度的效果。在對隨機選取的30張采樣照片進行蓋度計算時，EXG指數法的估算誤差最小，平均為3.4%，a*分量法次之，平均為4.5%，H分量法的估算誤差最大，平均為6.8%；而在去除陰影之后，EXG方法的平均估算誤差增大至4.4%，a*分量法的估算結果無明顯變化，H分量法的估算誤差顯著降低至4.2%。對于不同綠度的草地，3種方法對綠色草地的估算效果均明顯優于黃綠色草地，其中EXG方法對綠色草地的平均估算精度高達93.4%，而對黃綠色草地的平均估算精度為89.8%；H分量法對綠色草地的平均估算精度為88.3%，而對黃綠色草地的平均估算精度為78.6%；a*分量法對黃綠色草地的蓋度估算平均精度為80.7%，而對綠色草地的估算精度高達91.7%，僅次于EXG指數法。

總體來看，EXG指數法能夠有效區分不同地物背景下的綠色或黃綠色植被，無論是對綠色草地還是黃綠色草地，其估算精度均明顯高于其他2種方法，適用性較好。a*分量法對于綠色草地的估算精度略低于EXG指數法，造成其估算誤差相對較大的原因主要是受草地綠度的影響。H分量法對陰影敏感，陰影是造成其估算誤差增大的主要原因，因此在應用H分量法時必須首先去除圖像中的陰影區域。

本研究從圖像識別角度出發，利用自動化圖像閾值分割算法解決了傳統方法中人工設置分割閾值的問題。而在圖像識別研究中，可使用的特征除顏色外，還包括形狀、紋理等，當植被顏色和背景差異不明顯時，僅使用顏色特征具有一定的局限性，因此，在未來的研究中可結合形狀和紋理特征進行草地植被蓋度的自動化提取。

參考文獻:

[1] 溫慶可，張增祥，劉 斌，等. 草地覆蓋度測算方法研究進展[J]. 草業科學，2009，26(12)：30-36.

[2] 朱敬芳，邢白靈，居為民，等. 內蒙古草原植被覆蓋度遙感估算[J]. 植物生態學報，2011，35(6)：615-622.

[3] 李 巖，尚士友，王曉娟，等．西烏珠穆沁典型草原植被蓋度空間異質性研究[J]. 江蘇農業科學，2017，45(22):283-288.

[4] 張云霞，李曉兵，陳云浩.草地植被覆蓋度的多尺度遙感與實地測量方法綜述[J].地球科學進展，2003，18(1)：85-93.

[5] 張云霞，張云飛，李曉兵.地面測量與ASTER 影像綜合計算植被蓋度[J].生態學報，2007，27(3)：964-976.

[6] 陳祖剛，巴圖娜存，徐芝英，等.基于數碼相機的草地植被蓋度測量方法對比研究[J].草業學報，2014，23(6)：20-27.

[7] GUIJARRO M，PAJARES G，RIOMOROS I，et al. Automatic segmentation of relevant textures in agricultural images[J]. Computers & Electronics in Agriculture，2011，75(1)：75-83.

[8] 池宏康，周廣勝，許振柱，等. 草地植被蓋度的近距離遙感測定[J]. 草業學報，2007，16(2)：105-110.

[9] 張清平，章山山，陳 露，等. 應用WinCAM軟件判識分析草坪蓋度[J]. 草業科學，2010，27(7)：13-17.

[10] VOL N. Color indices for weed identification under various soil，residue，and lighting conditions[J]. Transactions of the Asae，1995，38(1)：259-269.

[11] 毛文華. 基于機器視覺的田間雜草識別技術研究[D]. 北京：中國農業大學，2004.

[12] 任世龍，宜樹華，陳建軍，等.基于不同數碼相機和圖像處理方法的高寒草地植被覆蓋度估算的比較[J].草業科學，2014，31(6)：1007-1013.

[13] 談蓉蓉. 利用顏色和形狀特征的雜草識別方法研究[D]. 鎮江：江蘇大學，2009.

[14] 付忠良. 圖像閾值選取方法——Otsu方法的推廣[J]. 計算機應用，2000，20(5)：37-39.

[15] 陳 純. 計算機圖像處理技術與算法[M]. 北京：清華大學出版社，2003.

[16] LALIBERTE A S，RANGO A，HERRICK J E，et al. An object-based image analysis approach for determining fractional cover of senescent and green vegetation with digital plot photography [J]. Journal of Arid Environments，2007，69(1)：1-14.

[17] BAUER T，STRAUSS P. A rule-based image analysis approach for calculating residues and vegetation cover under field conditions[J]. Catena，2014，113(113)：363-369.

[18] 章超斌，李建龍，張 穎，等.基于RGB模式的一種草地蓋度定量快速測定方法研究[J].草業學報，2013，22(4)：220-226.

[19] 胡健波，張 璐，黃 偉，等. 基于數碼照片的草地植被覆蓋度快速提取方法[J]. 草業科學，2011，28(9)：1661-1665.