| 主权项 |
一种无人机航片松材线虫病病死木的膨胀-剔除信息提取法，其特征在于按如下步骤进行：(1)用常规方法输入原始RGB真彩色无人机数码相片，规定病死林木区域为目标区域，其他区域为非目标区域；原始RGB模式真彩色图像中的目标区域呈现红色，灰度图中呈现亮色；(2)用均匀模板对原始图像进行平滑运算；(3)将图像从RGB模式转换成CIE(Luv)模式，CIE(Luv)模式下的数据拉伸到0～255并取整，CIE(Luv)模式彩色图像中目标区域呈蓝色；以下的操作均对CIE(Luv)模式数据进行；(4)生成尺度化后的CIE(Luv)模式数据三维直方图：确定一个聚类尺度s＝2λ，λ为整数，0≤λ≤7，原始特征空间每个分量划分等级为256，确定聚类尺度后，新的量化等级为256/s，建立三维直方图h[256/s，256/s，256/s]作为爬峰法聚类的基础，直方图中每个栅格h[i，j，k]具有一个数值，该数值就是新尺度下三个分量亮度值为[i，j，k]的像素数；(5)爬峰法聚类：爬峰法聚类在三维特征空间——三维直方图中进行，直方图中除峰以外的每个非空栅格都有一个指针指向相邻的一个栅格，在这个方向上密度具有最大的梯度值，梯度值等于相邻栅格像素数的差值除以栅格中心间的欧氏距离，当最大梯度值多于一个时就任选一个，若一个栅格的象素数大于所有相邻栅格的象素数，它就处于局部最大值，该栅格为一个峰；峰确定以后，根据指针的指向，将所有非峰且非空的栅格归拢到各自的峰，一个峰形成一个类，从而实现特征空间的聚类；爬峰法聚类结果受聚类尺度s的影响最大，s越大，类别数越少，s越小，类别数越多；s确定的原则是：s值宜小，0≤λ≤2，以确保目标区域的像素不和非目标区域的像素聚到一起，但允许同属目标区域的像素聚成很多类；(6)生成代码化直方图：聚类完成后将直方图中的像素数数据改写成类代码，属于同一个类的栅格赋予同一个代码，形成代码化直方图C[i/s，j/s，k/s]，同时计算各个类的平均亮度值；(7)生成代码图像：将聚类结果映射到图像上，生成一个以代码为像素值的图像——代码图像，实现图像的初步分割，分割图像显示时用各个类的平均亮度值；代码图像生成的算法是：若一个像素的亮度值是[i，j，k]，则该像素的类代码c是c＝C[i/s，j/s，k/s]；(8)交互式提取种子类：用鼠标在图像上提取数个同属目标区域的小矩形，通过代码图像将这些小矩形内像素所涉及的目标类全部提取出来，将提取的这些类合并成一个类，合并后的目标类形成一个种子类，赋予他们同一个代码；(9)设定一个膨胀模板：膨胀模板采用6-联通三维模板，即和中心栅格6个面相连的6个相邻栅格为数学形态学的膨胀对象；(10)种子类特征空间数学形态学膨胀：在代码化直方图内对选定的种子类的直方图用6-联通三维模板反复进行数学形态学膨胀，其中一次膨胀的算法如下：膨胀模板的中心栅格遍历整个直方图，若膨胀模板的中心栅格覆盖的直方图栅格属于种子类，则将模板其他栅格覆盖的直方图非种子类栅格改写为种子类栅格；在一次膨胀中，若模板中心栅格覆盖的是本次膨胀中前面刚膨胀的种子类，则不进行膨胀操作，直接将模板中心位置移至下一栅格；一次膨胀完成后，显示膨胀后直方图对应的图像，非种子类区域不显示，这时图像种子类的区域有所扩展；这样反复数次膨胀操作，直至图像中明显出现了非目标区域像素；(11)剔除错误膨胀部分：反复数次膨胀后，图像上明显出现的非目标区域是错误膨胀的，需予以剔除，剔除通过图像选择进行，通过人机交互的方式反复用鼠标在图像上选择错误膨胀区域的像素，将选中的图像像素映射到直方图，将对应的直方图栅格从直方图中剔除，并将落入这些剔除栅格的所有图像像素从图像目标区域中剔除；赋予被剔除部分栅格一个特殊代码，以禁止它们被再次膨胀；(12)如果结果不满意，按步骤(10)进行，否则按步骤(13)进行；(13)后处理：为使分割后的图像整洁，进行面积滤波，以删除一些细小的噪声区域，给定一个以像素数为单位的面积阈值；当一目标区域小于这个阈值时，就删除该区域，同时将目标区域内部小于阈值的非目标区域改为目标区域；阈值要根据图像噪声情况从小到大逐步递增，以确保被滤掉的区域是图像噪声引起的误差；(14)输出画上边界线的目标区域图像：为了直观检验信息提取的精度，分别在原始RGB模式和CIE(Luv)模式图像上画上提取区域的边界线；(15)以文本方式输出每个目标区域的地理坐标，本信息提取法完成。 |
