OPERA CORCONTICA 37: 616–621, 2000 MOŽNOSTI VYUŽITÍ SPEKTROZONÁLNÍCH A MULTISPEKTRÁLNÍCH LETECKÝCH SNÍMKŮ PRO LESNICKÉ PLÁNOVÁNÍ Application of colour infrared and multispectral aerial images to forest inventory ŽIDEK VLADIMÍR, ŠUMBERA STANISLAV Mendelova zemědělská a lesnická univerzita v Brně, Ústav geodézie a fotogrammetrie, Zemědělská 3, 613 00 Brno, CZ, tel.: +42−5−4513 4014, Fax.: +42−5−4521 1422 e−mail:
[email protected],
[email protected], www: http://www.mendelu.cz/user/ugf/
Již v rámci visuálního zpracování analogových leteckých snímků pro lesnické plánování bylo možno zjišťovat prostorové uspořádání lesa, druhové složení dřevin a některé taxační veličiny. Tyto taxační veličiny lze s určitou přesností vypočítat dle velikostí koruny a typu dřeviny. Poloautomatizované a automatizované zpracování digitálních snímků do značné míry vylučuje ze sledu operací subjektivitu interpretátora a přispívá k jisté standardizaci zpracování. Jedním z nejdůležitějších problémů však je nalezení metody, umožňující spolehlivou identifikaci korun stromů. Tato studie se zabývá právě posledně jmenovaným úkolem, a daný problém řeší implementací do programu pro platformu Win32. Even visual interpretation of analogue aerial images enabled to assess forest spatial arrangement, tree species composition and some mensurational values. Thoses values could be estimated according to tree crown size and given tree species. Semi−automatic and automatic methods of digital image processing exclude, in high extend, subjectivity caused by a person of photo−interpreter and thus contribute to processing standardization. One of primary task, however, is to find a method enabling reliable identification of tree crown tops. This paper considers this issue and solves the problem using an associated program developed for Win32 platform. Klíčová slova:
Keywords:
letecké spektrozonální snímky, detekce vrcholů korun, vyhlazování snímku, konvoluce, Gaussův filtr, binomiální filtr, zpracování snímku, dálkový průzkum Země aerial colour infrared images, tree top detection, smoothing, convolution, Gaussian filter, binomial filter, image processing, remote sensing
ÚVOD Klasifikace leteckých snímků pro lesnické plánování, jak je v současné době umožněna četnými softwarovými produkty, je proces, který zařazuje pixely na základě jejich spektrálních hodnot do jednotlivých klasifikačních tříd buď neznámých (neřízená klasifikace), nebo stanovených předem (řízená klasifikace). Vytváří se tak kvalitní zdroje informací s minimální redundancí, které umožňují velmi dobře aktualizovat stávající mapové podklady. Z pohledu dálkového průzkumu Země lze nahlížet na klasifikaci jako na identifikaci objektů na základě záznamů jejich elektromagnetické spektrální odrazivosti,
616
a na jejich kategorizaci a generalizaci. Digitální klasifikátory bez pozemní podpory se v případě leteckých snímků zatím nevyrovnají vizuální interpretaci digitálního obrazu. Je to způsobeno především poměrně nízkou úrovní implementace umělé inteligence v dostupných softwarových produktech pro zpracování obrazu (chybějící detektory objektů na základě tvaru, textury, odrazivosti, polohy, době snímkování, porovnání s jinými objekty, frekvenční funkce obrazu apod.), nicméně vhodnými matematicko− statistickými technikami lze dosáhnout v dílčích problémech identifikace objektů mnohem lepší výsledky nežli vizuální interpretací. Jedním z nich je právě identifikace korun stromů. Pokud dosáhneme přijatelné přesnosti, můžeme dále stanovit zápoj a dále i taxační charakteristiky na základě obrysu koruny a typu dřeviny. Navíc můžeme přistupovat ke klasifikaci snímku mnohem efektivněji než nabízí tradiční metody řízené a neřízené klasifikace, tj. můžeme klasifikovat snímek podle pixelů spadajících do dané koruny stromu. Tato studie se zabývá problémem počáteční automatické pre−identifikace vrcholů korun stromů z leteckých spektrozonálních snímků a podává metodu k jeho vyřešení, včetně implementace algoritmu do programu pro platformu Win32.
MATERIÁL Hlavním pracovním materiálem byl spektrozonální snímek v měřítku 1 : 25000, pořízený v r. 1997 a digitalizovaný s rozlišením 600 dpi. Na snímku se nacházejí poměrně dlouhé stíny. Porost tvořený převážně bukem a smrkem s příměsí břízy a jeřábu se nachází se při horní hranici lesa na jižně orientovaném svahu, kde postupně přechází v kleč. V horní části lesa se vyskytují časté souše. Jedná se o lokalitu „pod Vrbatovou boudou“ v Krkonošském národním parku.
METODIKA ŘEŠENÍ Základními předpoklady pro identifikaci koruny je jednak podmínka, že spektrální odrazivost vrcholů stromů (v této studii bukového a smrkového porostu) je vyšší než zbytek koruny a dále, že snímkování probíhalo při nejvyšší elevaci slunce. Za takovýchto podmínek ubývá odrazivost směrem od vrcholu stromu a koruna na snímku jeví kuželovitý popř. oválný tvar. Vrchol koruny stromu pak odpovídá jejímu nejsvětlejšímu bodu. Celý proces můžeme rozdělit do následujících kroků: 1. 2. 3.
Eliminace ruchů na snímku vyhlazováním povrchu korun Vyhledání vrcholů korun stromů Filtrace duplicitních identifikací
1. Eliminace ruchů snímku vyhlazováním povrchu korun Povrchy korun stromů na snímcích nejsou bez ruchů tak, aby se jejich vrcholy daly snadno identifikovat. Pro vyhlazování povrchu korun (smoothing) lze použít několika technik, např. filtry pro stanovení průměrné DN hodnoty z okolí pixelu, filtry pro běžné lineární Gaussovo rozdělení, medián apod. Tyto techniky mají nevýhodu, že často rozostřují hrany korun a jejich vrcholy. V této studii byl odzkoušeny následující filtry: Gaussův lineární Gaussův nelineární Binomiální filtr Krokový průměrový filtr
617
Gausův lineární a nelineární filtr Filtr aplikuje Gaussovo (normální) rozdělení pixelů v rotujícím okně filtru. Operaci lze zapsat jako: Gf = g ∗ f, kde f je signál snímku, nad kterým se provádí konvoluce Gaussovým filtrem g nad celkovou množinou R pixelů (AURICH 1999):
G f ( p) =
1 Np
∑ lg⋅ ng ⋅ f(q)
q∈Ρ
⎛ − t2 ⎞ 1 gσ (t ) = exp⎜⎜ 2 ⎟⎟ ⋅ ⎝ 2σ ⎠ σ 2π N p = ∑ lg⋅ ng
lg = g σ x (|| q − p ||) ng = g σ z (f(q) − f(p))
q∈P
Lg Ng Q P || q – p || f(q) – f(p) s
Lineární složka, váha prostorové vzdálenosti pixelů dle Gaussova rozdělení. Nelineární složka, tj. váha rozdílu signálů (odrazivosti) pixelů. Centrální pixel v rotujícím okně. Okolní pixely vůči centrálnímu pixelu v rotujícím okně. Prostorová vzdálenost centrálního pixelu od pixlů okolních. Rozdíl signálů mezi centrálním pixelem a pixly okolními. Směrodatná odchylka.
Nelinearita tohoto filtru spočívá v přidání váhy, která odráží rozdíl mezi okolními pixely a pixelem centrálním – složka ng, pokud je rovna 1, jedná se o lineární Gaussův filtr. Binomiální filtrace snímku Filtr pracuje obdobně jako předchozí filtr, rozdíl spočívá v použití binomiálního rozdělení pro určení váhy okolních pixelů dle vzorce: Bf = bx ∗ by * f, kde f je signál snímku nad kterým se provádí konvoluce binomiálním filtrem b nad množinou Ρ pixelů:
Bf ( p ) =
1 Np
∑ b ⋅ f(q)
q∈Ρ
n! x!(n − x)! x = (|| q − p ||)
b = 0.5 n ⋅
Np = n || q – p ||
618
∑b
q∈P
Velikost rotujícího okna v pixelech. Prostorová vzdálenost centrálního pixelu od pixelů okolních.
Krokový průměrový filtr Filtr spočívá v iterativním průměrování centrálního pixelu uvnitř rotujícího okna, který nepatří do vrcholu koruny stromu. Filtr vyhodnocuje okolní pixely a zvýrazňuje centrální pixely. V případě, že pixel nenáleží do vrcholu koruny stromu, provede se zprůměrování. Filtr má dva kroky:
Krok A: if (f(p) >= c_max(q)) then S f(p)= f(p) else if (f(p) <= c_min(q) then Sf(p) = f(p) else Sf(p) =smooth(f(p)) Krok B: if (f(p) >= c_max(q)) then S f(p)= 255 else if (f(p) <= c_min(q) then Sf(p) =0 else Sf(p) =smooth(f(p)) c_max c_min smooth f(p) f(q)
Pixel s maximální odrazivostí v centru rotujícího okna. Pixel s minimální odrazivostí v centru rotujícího okna Funkce pro vyhlazování, např. průměrování Centrální pixel v rotujícím okně Okolní pixely vůči centrálnímu pixelu v rotujícím okně
2. Vyhledávání vrcholů korun stromů Proces vyhledávání korun stromů je založen na filtru rotujícím oknem, který vybírá vždy pixel s nejvyšší odrazivostí nacházející se v jeho centru. V závislosti na velikosti okna, lze takto identifikovat menší nebo větší vrcholy stromů. Pro zjemnění filtru je vhodné při negativním výsledku v rotujícím okně přidávat podmínky definující možné disproporce v koruně, např. většinou chybný pixel v různých místech osvětlené části koruny apod. Dále se ukázalo vhodné definovat prahové hodnoty pro centrální pixel, kterými se eliminuje počet chybně označených korun. peak profile identification
Original
smoothed + peaks
250 200 150 100
DN
50 0 0
10
20
30
40
50
60
70
80
90
100
Obr. 1. Jednorozměrný signál snímku spolu s výsledkem procesu vyhledávání vrcholů stromů
619
Filtrace duplicitních identifikací vrcholů Aplikace tohoto filtru, který je nejsnáze realizovatelný opět pomocí rotujícího okna, spočívá v úpravě výsledného snímku, kde se bere zřetel na vedlejší efekty doplňujících podmínek, které mohou způsobovat duplicitní identifikaci vrcholu stromu.
VÝSLEDKY, DISKUSE A SOUHRN POZNATKŮ Detekce vrcholů korun metodou nejsvětlejšího pixelu se ukázala jako účelná pro pre−indetifikaci korun stromů. Přesnost automatické detekce ve srovnání s manuální se pohybuje v rozmezí 75–85 % v závislosti na hustotě zápoje, kvalitě vyhlazení snímku a typu dřeviny. Smrk vykazuje lepší vlastnosti pro detekci koruny než buk, který často v zápoji tvoří těžce odlišitelné koruny. Kardinální význam pro úspěšnou detekci má prvotní vyhlazování snímku. Nelineární Gaussův filter nevykazoval lepší vlastnosti pro detekci korun nežli běžný Gaussův filtr lineární. Cílem vyhlazování korun by mělo být především přiblížení korun geometrickému tvaru kužele, v případě smrku, nebo koule, v případě buku. Velmi se osvědčilo iterativní provádění vyhledávání vrcholů korun s postupem od rotujícího okna s velikostí 7 x 7, 5 x 5 až do 3 x 3 pixelů a dále zjemnění vyhledávání dle přídavných podmínek. Detekované koruny mohou být, po transformaci z rastrové do vektorové podoby, využity v lesnickém plánování pro předběžné zjištění počtu stromů / ha. Dále mohou sloužit jako výchozí bod pro následnou detekci obrysů korun.
Obr. 2. Automaticky detekované koruny stromu za použití krokového filtru
ZÁVĚR (SOUHRN POZNATKŮ) Studie představuje metodu pro automatizovanou detekci vrcholů korun stromů z digitalizovaných leteckých snímků. Ačkoli se jedná o poměrně jednoduchou metodu, její výsledky mohou v prvotní fázi dostačovat ke zjištění počtu stromů na hektar. Pokud jsou určeny vrcholy korun, může zpracování snímku z těchto bodů dále pokračovat v detekci obrysů korun, popř. klasifikaci typů dřevin.
620
LITERATURA AURICH, V. (1999): Non−Linear Gaussian Filters Performing Edge Preserving Diffusion. Heinrich−Heine− Universitat, Dusseldorf. EASTMAN, R. (1997): IDRISI, User´s Guide. Clark University, Worcester. GOUGEON, F. A. (1997): Automatic individual tree crown delineation using a valley−flowing algorithm and rule−based system., International Forum :Automated Interpretation of High Spatial Resolution Digital Imagery for Forestry. POLLOCK, R. J. (1996): The automatic recognition of individual trees in aerial images of forest based on synthetic tree crown image mode. Unpublished PhD thesis, University of British Columbia, Vancouver, Canada.
Příloha: Implementace algoritmu do programu Pro nalezení vrcholů korun stromů byl vyvinut software „Kernel processor“ pro platformu Win32, který zajišťuje veškeré potřebné operace. Základní modul zajišťuje vstupní/výstupní operace do formátu BMP (RGB 8 bitů/pixel, typ byte) a TIF (RGB 8 a 64 bitů/pixel, typ byte a double) a do formátu pro systém IDRISI – RST (RGB, 24 bitů/pixel), dále zajišťuje komunikaci s ostatními moduly (dll knihovnami) a provádí konvoluci nad snímkem. Vlastní funkce jsou obsaženy v dll knihovnách, které musí dodržovat určitý standard zápisu, který je shodný s tzv. „uživatelským kódem“, jak je definován v programu ER−mapper. Nad touto základní jednotkou, která může pracovat i jako konzolová aplikace, se nachází uživatelský interface, který umí spolupracovat s Excelem a přenášet do tabulek hodnoty pixelů před zpracováním a po zpracování. Program je možno instalovat z oficiální stránky regionálního centra IDRISI pro Českou a Slovenskou republiku:
http://www.mendelu.cz/user/ugf/czidri.htm
Příspěvek byl vypracován v souladu s výzkumným záměrem Lesnické a dřevařské fakulty 9ZA05, MSM434100005.
621
