一种基于无人机影像匹配点云的高原梯田提取方法

摘要

本发明公开了一种基于无人机影像匹配点云的高原梯田提取方法，涉及水土保持和国土资源监测领域，基于原始无人机影像匹配点云，结合图像处理和数字地形分析的自动化梯田提取技术。本发明基于遥感影像和DEM数据，通过点云数据中梯田所在区域的色彩和形态特征特征，提出了基于形态学和区域生长法的梯田自动提取方法；无人机摄影测量是水土保持监测和人工地貌提取的重要技术手段，使用无人机影像匹配点云设计有效的自动化梯田提取方法提高了提取效率、减少人工工作量，对于高原地区的土地利用调查分析、水土保持工作评价、土壤侵蚀调查等具有重要的意义；为水土保持监测和土地利用调查提供基础数据和决策支持。

说明书

技术领域

本发明涉及水土保持和国土资源监测领域，具体为一种基于无人机影像匹配点云的高原梯田提取方法。

背景技术

梯田是一种典型的人工地貌，是顺山坡沿等高线修筑的阶梯状农田，在中国有很长一段历史。梯田是高原地区重要的水土保持措施。梯田改变了土地利用类型和土壤侵蚀方式，具有保水、蓄水、增产作用。近年来，国家加大了高原水土流失综合治理力度，实施了大量“坡改梯”等水保工程，梯田的面积不断增加。实时提取梯田范围对水土保持措施相关的科学研究、政策制定都具有重要意义。

基于遥感影像提取梯田，使用灰度共生矩阵和傅里叶变换的技术提取的梯田效果并不理想，识别精度也无法保证，不能较大范围的使用。面向对象技术是最近几年发展起来的，通过分析影像对象的光谱特征、纹理特征和空间特征实现了梯田的自动提取，但是梯田上的植被会影响梯田提取的精度，其分类结果不具有普适性，在实验过程中很容易形成破碎图斑。基于高精度数字高程模型DEM的提取方法精度较高，但高精度DEM的生成需要经过无人机影像匹配的点云进行植被去除，地形特征线生成等步骤，需要大量人工介入，生产费时费力。因此，如何不失一般性地精准自动提取梯田是亟待解决的问题。

发明内容

本发明的目的在于解决现有技术中存在的不足，提出一种基于原始无人机影像匹配点云，结合图像处理和数字地形分析的自动化梯田提取技术，为水土保持监测和土地利用调查提供基础数据和决策支持。

一种基于无人机影像匹配点云的高原梯田提取方法，依次包括以下步骤：

(1)对原始图像进行预处理，计算原始点云各个点法向量、绿叶指数(GLI)GLI＝(2·G-R-B)/(2·G+R+B)；在原始点云数据中进行简单采样，利用统计方法，初步选择可以区分梯田和非梯田区域的参数；

(2)选择多个小样区，对步骤(1)中选择的参数进行验证，确定梯田提取的参数及其阈值；

(3)根据步骤(2)得到的参数及其阈值，提取正地形梯田候选区；

(4)采用区域生长法对点云进行正地形区域的提取；

(5)通过对步骤(4)得到的梯田候选区和步骤(5)得到的正地形取交集得到位于正地形区域上的梯田区域；

(6)对步骤(5)得到的位于正地形区域上的梯田区域进行形态学边缘检测、重采样的得到二值化图像；最后利用破碎图斑去除和边界平滑图像处理等操作得到最终精细化的梯田范围及梯田田坎线。

优选的，所述步骤(1)中，所述预处理包括：计算原始点云的法向量及xyz轴分量和GLI。

优选的，所述步骤(2)中确定梯田提取的参数及其阈值具体步骤包括：

(21)随机选取区域内各主要地物类型小样区；

(22)计算并比较步骤(1)中初步选择的参数在各地物小样区的值的大小；

(23)若找到合适的参数阈值将梯田和非梯田区域分离开，则使用该参数提取梯田，否则，不使用该参数。

优选的，所述步骤(4)中提取方法的步骤为：先选择合适的生长点，再确定生长准则，最后判断生长停止条件。

优选的，所述选择合适的生长点，采用流域边界线的领域分析方法提取山顶点作为正地形的生长点，选取出水口作为负地形的生长点。

优选的，所述确定生长准则为：在4邻域或8邻域内，待测点灰度与生长点灰度值相差为1或者0。

优选的，所述确定生长准则具体包括以下步骤：

(521)使用坡面畸变邻域法提取正地形，以山顶点作为生长点，生长至没有满足生长条件的点为止；正地形生长过程中将得到的正地形区域用数字“1”来进行标记；

(522)使用坡面畸变邻域法提取出的负地形，以出水口作为生长点，生长至没有满足生长条件的点为止；负地形生长过程中，将负地形区域用数字“0”进行标记；

(523)得到标记为“1”的正地形区域，标记为“0”的负地形区域，以及未识别区域，将正负地形分类结果结合原始点云山体阴影图进行分析，将未识别区域进行分类得到全部的正负地形；

优选的，所述确定生长停止条件为：如果相邻两次生长结果不发生变化，即已经不存在满足生长准则的像元点，则停止生长。

本发明的有益效果是：

本发明基于遥感影像和DEM数据，通过点云数据中梯田所在区域的色彩和形态特征特征，提出了基于形态学和区域生长法的梯田自动提取方法；无人机摄影测量是水土保持监测和人工地貌提取的重要技术手段，使用无人机影像匹配点云设计有效的自动化梯田提取方法提高了提取效率、减少人工工作量，对于高原地区的土地利用调查分析、水土保持工作评价、土壤侵蚀调查等具有重要的意义；为水土保持监测和土地利用调查提供基础数据和决策支持。

附图说明

图1为本发明梯田候选区提取流程图；

图2为实施例样区的原始点云；

图3为实施例样区的正地形区域提取结果；

图4为实施例样区的正地形区域上的梯田候选区灰度图二值化结果；

图5为实施例样区的梯田及田坎线边缘检测结果；

图6为本发明实施例样区最终梯田提取结果。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于无人机影像匹配点云的高原梯田提取方法，依次包括以下步骤：

(1)对原始图像进行预处理，计算原始点云各个点法向量、绿叶指数(GLI)GLI＝(2·G-R-B)/(2·G+R+B)；在原始点云数据中进行简单采样，利用统计方法，初步选择可以区分梯田和非梯田区域的参数；

(2)选择多个小样区，对步骤(1)中选择的参数进行验证，确定梯田提取的参数及其阈值；

(3)根据步骤(2)得到的参数及其阈值，提取正地形梯田候选区；

(4)采用区域生长法对点云进行正地形区域的提取；

(5)通过对步骤(4)得到的梯田候选区和步骤(5)得到的正地形取交集得到位于正地形区域上的梯田区域；

(6)对步骤(5)得到的位于正地形区域上的梯田区域进行形态学边缘检测、重采样的得到二值化图像；最后利用破碎图斑去除和边界平滑图像处理等操作得到最终精细化的梯田范围及梯田田坎线。

进一步地，步骤(1)中，预处理包括：计算原始点云的法向量及xyz轴分量和GLI。

进一步地，步骤(2)中确定梯田提取的参数及其阈值具体步骤包括：

(21)随机选取区域内各主要地物类型小样区；

(22)计算并比较步骤(1)中初步选择的参数在各地物小样区的值的大小；

(23)若找到合适的参数阈值将梯田和非梯田区域分离开，则使用该参数提取梯田，否则，不使用该参数。

进一步地，步骤(4)中提取方法的步骤为：先选择合适的生长点，再确定生长准则，最后判断生长停止条件。

进一步地，选择合适的生长点，采用流域边界线的领域分析方法提取山顶点作为正地形的生长点，选取出水口作为负地形的生长点。

进一步地，确定生长准则为：在4邻域或8邻域内，待测点灰度与生长点灰度值相差为1或者0。

进一步地，确定生长准则具体包括以下步骤：

(521)使用坡面畸变邻域法提取正地形，以山顶点作为生长点，生长至没有满足生长条件的点为止；正地形生长过程中将得到的正地形区域用数字“1”来进行标记；

(522)使用坡面畸变邻域法提取出的负地形，以出水口作为生长点，生长至没有满足生长条件的点为止；负地形生长过程中，将负地形区域用数字“0”进行标记；

(523)得到标记为“1”的正地形区域，标记为“0”的负地形区域，以及未识别区域，将正负地形分类结果结合原始点云山体阴影图进行分析，将未识别区域进行分类得到全部的正负地形。

进一步地，确定生长停止条件为：如果相邻两次生长结果不发生变化，即已经不存在满足生长准则的像元点，则停止生长。

实施例：

本实施例的样区选取山西省偏关县吴城村，其地理位置在39°16’41.76”N,111°34’13.20”E，样区内沟壑纵横，土壤侵蚀极为剧烈，梯田广布，属于黄土峁状丘陵沟壑。该样区内梯田分布较多，梯田特征明显，梯田田坎较为清晰，包含了黄土高原上的各种典型的梯田形态(无核梯田，有核梯田，多核梯田)。实验数据无人机摄影测量获取的原始影像匹配点云，分辨率为0.3m，如图2。基于无人机影像匹配点云的梯田提取方法，依次包括以下步骤：

(1)对原始图像进行预处理，计算原始点云各个点法向量、Green Leaf Index绿叶指数(GLI)GLI＝(2·G-R-B)/(2·G+R+B)；在原始点云数据中进行简单采样，利用统计方法，初步选择可以区分梯田和非梯田区域的参数；

(2)选择多个小样区，对步骤(1)中选择的参数进行验证，确定梯田提取的参数及其阈值；得到GLI阈值为0.5，法向量Z轴分量为0.87；

(3)根据步骤(2)得到的参数及其阈值，提取正地形；如图3。

(4)采用区域生长法对点云进行梯田候选区灰度图像；如图4。

(5)通过对步骤(4)得到的梯田候选区和步骤(5)得到的正地形取交集得到位于正地形区域上的梯田区域；如图5。

(6)对步骤(5)得到的位于正地形区域上的梯田区域进行形态学边缘检测、重采样的得到二值化图像；最后利用破碎图斑去除和边界平滑图像处理等操作得到最终精细化的梯田范围及梯田田坎线。如图6。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。