Способ ранней лесопатологической диагностики

 

Изобретение предназначено для использования в области лесного хозяйства. Способ включает получение оцифрованных значений функций яркости I(х, у) изображений в виде матриц дискретных отсчетов размерностью |mn| элементов в зонах R и G. При этом определяют отношение спектральных коэффициентов яркости зон, вычисляют попиксельные отношения матриц зон R и G, составляют результирующую матрицу из этих отношений. Методами пространственного дифференцирования выделяют контуры на результирующем изображении, рассчитывают функции фрактальной размерности изображения внутри контуров и по численному значению фрактальной размерности, положению контуров и их площади судят о причинах, координатах и размерах выявленной патологии. Изобретение позволяет повысить точность и достоверность диагностических оценок. 5 ил.

Изобретение относится к лесному хозяйству, в частности к оперативному выявлению насаждений, пораженных насекомыми вредителями, и контролю экологического состояния лесов.

Факторами, вызывающими лесопатологические явления, могут быть как вспышки массового размножения насекомых-вредителей, так и изменение условий среды под воздействием климатических аномалий или техногенного (антропогенного) воздействия на леса. Во всех случаях желательно обнаруживать лесопатологические изменения на ранней стадии, чтобы своевременно проводить лесозащитные мероприятия, пока отслеживаемые процессы не приняли необратимый характер.

В полном объеме масштабные задачи лесопатологического мониторинга могут быть решены лишь с привлечением космических средств, позволяющих отслеживать происходящие процессы в лесных массивах на больших площадях, путем получения изображения лесов дистанционными методами с последующей их тематической обработкой.

Известен "Способ оценки состояния лесов", патент РФ 2038001, кл. A 01 G 23/00, 1995 - аналог.

В способе-аналоге осуществляют дистанционные спектрометрические измерения, с борта орбитальной станции, коэффициентов спектральной яркости зондируемой лесной площади в синем (В), зеленом (G) и красном (R) участках видимого спектра, рассчитывают значения хроматических коэффициентов жизненности и красного поражения вычисляют регрессию хроматических коэффициентов тарируют ее по измерениям контрольных площадок с известными категориями состояния растений на них и оценивают состояние лесного массива (в баллах) по соотношению текущих расчетных значений g, r. Известный способ имеет следующие недостатки: - невысокое пространственное разрешение спектрометрических средств (от сотен м до единиц км), не позволяющее обнаруживать участки поражения на начальной стадии "вспышки", размерами десятки метров; - невозможность точной идентификации причины обнаруженной лесопатологии; - статистическая неустойчивость результатов, поскольку оценка проводится по единственному измеряемому параметру - коэффициенту спектральной яркости.

Ближайшим аналогом по технической сущности к заявляемому является "Способ обнаружения инвазий насаждений" (патент РФ 2105465, кл. А 01 G 23/00, G 01 V 6/00, 1998). В способе ближайшего аналога оцифрованные значения функции яркости изображения I(х, y) в виде матрицы дискретных отсчетов из | m n| элементов, сжимают в матрицу интенсивностей переходов яркости, размерностью |k k| элементов, получают образ объекта в виде "кристаллической решетки", вычитают "кристаллическую решетку" текущего изображения из "кристаллической решетки" эталона и по смещению узлов решетки и диагональному элементу судят о наличии инвазии.

Недостатками ближайшего аналога являются:
- потеря привязки обнаруженной лесопатологии на изображении к пространственным координатам;
- невозможность точной идентификации вида (причины) выявленной аномалии;
- потеря информации при перекодировке матрицы, исключающая возможность использования других независимых признаков изображения.

Задача, решаемая данным изобретением, заключается в повышении точности и достоверности диагностических оценок путем использования для обнаружения лесопатологии нескольких независимых признаков анализируемого изображения и идентификации причины выявленной лесопатологии.

Решение поставленной задачи обеспечивается тем, что в способе ранней лесопатологической диагностики, при котором получают оцифрованные значения функций яркости I(х, y) изображений в виде матриц дискретных отсчетов размерностью |m n| элементов в зонах R и G, определяют отношение спектральных коэффициентов яркости зон, дополнительно вычисляют попиксельные отношения матриц зон R и G, составляют результирующую матрицу из этих отношений, выделяют методами пространственного дифференцирования контуры на результирующем изображении, рассчитывают функции фрактальной размерности изображения внутри контуров и по численному значению фрактальной размерности, положению контуров и их площади судят о причинах, координатах и размерах выявленной патологии.

Изобретение поясняется чертежами, где
фиг. 1 а, б - исходные спектрозональные R, G изображения анализируемых лесных массивов;
фиг. 2 - визуализированное изображение результирующей матрицы из попиксельных отношений матриц R, G;
фиг.3 - выявленные пространственным дифференцированием участки (контуры) лесопатологии;
фиг. 4 - графики функций фрактальной размерности типовых лесопатологических участков: 1 - здоровый лес (фоновый участок), 2 - лесная гарь, 3 - инвазия насекомых-вредителей;
фиг.5 - функциональная схема устройства, реализующего способ.

Вновь введенные операции, образующие совокупность существенных признаков, обеспечивают достижение таких качественных свойств, как:
- устойчивость алгоритма обнаружения к изменению внешних условий съемки;
- локализация лесопатологических участков на изображении с их координатной привязкой;
- адекватность идентификации причин выявленной патологии.

Техническая сущность изобретения заключается в следующем.

Исходное спектрозональное изображение содержит несколько независимых признаков, таких как цвет, тон, текстура, топология, использование которых при обработке позволяет сопоставить каждому из них соответствующий параметр объекта наблюдения: размер, форму, фазу поражения. Чем большее количество независимых признаков используют при обработке, тем точнее и достовернее конечный результат диагностической оценки.

Коэффициент спектральной яркости растительных сообществ формируется совокупным эффектом отражения, пропускания и поглощения лучистой энергии отдельными листьями, ветвями. До 90% лучистой энергии поглощается растениями непосредственно в процессе фотосинтеза. Поэтому коэффициент спектральной яркости растительности в видимом диапазоне составляет величину 2...9%. Поглощение и рассеяние лучистей энергии растениями определяется наличием и концентрацией пигментов, в основном хлорофилла, каротиноидов, а также содержанием влаги в хвое, листьях. В результате селективного поглощения у зеленых растений формируется спектральная область с двумя минимумами отражения в синен (В) и красной (R) зонах. И лишь небольшой максимум отражения в зоне (G) придает растительности зеленую окраску. При стрессовых ситуациях: недостаток минерального питания, влаги, накапливание в фотосинтезирующих органах вредных (техногенных) поллютантов, происходит разрушение фитопластов, уменьшение хлорофилла. При этом растения приобретают желтоватую окраску. Визуальными признаками лесопатологии являются некроз хвои, листьев, изменение окраски, уменьшение их линейных размеров, ажурность крон, усыхание ветвей, уменьшение степени охвоенности побегов, уменьшение общего объема фитомассы. Изменение окраски и объема фитомассы приводит к изменению регистрируемых значений коэффициентов спектральной яркости отслеживаемых участков растительности в соответствующих зонах видимого диапазона. Наибольшие изменения претерпевают значения коэффициентов спектральной яркости () в зеленой зоне (=550 нм) и красной зоне (=670 нм). Численные значения этих коэффициентов для лесного биоценоза изменяются непрерывно и монотонно и охватывают все степени дигрессии растительного сообщества от здоровой зеленой растительности до полной желтизны и увядания. В наибольших интервалах при этом изменяется отношение спектральных коэффициентов яркости в зеленом (G) и красном (R) участках спектра

(см. , например, Выгодская Н.И., Горшкова И.И. Теория и эксперимент в дистанционных исследованиях растительности. Л.: Гидрометеоиздат, 1987, стр. 137-141). Таким образом, наиболее критичным диагностическим признаком внутреннего повреждения растительности является отношение коэффициентов спектральной яркости в зонах R, G. Если сами значения = 550, = 670 при лесопатологии изменяются в интервале единиц процентов, то их отношение может изменяться в несколько раз.

Следовательно, значения результирующей матрицы, составленной из попиксельных отношений

изменяется в разы, что соответствует подчеркиванию контраста результирующего изображения между здоровыми и пораженными участками. Большой размах этих отношений позволяет выделять лесопатологические участки на результирующем изображении непосредственно методами пространственного дифференцирования. (см. , например, Р. Дуда, П.Харт. Распознавание образов и анализ сцен. Перевод с англ., М.: Мир, 1976, 7.3. Пространственное дифференцирование, стр.287-291). Другим селектируемым признаком лесопатологических участков служит форма их контура; круг, овал, изрезанность. Вспышки насекомых вредителей носят очаговый характер. Внутри очага и по периметру наблюдается сильная лекальная изрезанность - большой перепад отношений

между здоровыми и пораженными участками. В то же время лесопатология, вызванная климатическими аномалиями или техногенными перегрузками, характеризуется равномерной фазой поражения на протяженней площади.

С математической точки зрения степень изрезанности контура является независимым топологическим признаком. В качестве числовой характеристики топологической структуры изображения используют показатель фрактальной размерности Хаусдорфа (см., например, Р.A. Burrough. "Fractal demensions of landscapes and other envinmental data, Nature 294, 1981, р.240).

По определению размерность (Df) Хаусдорфа вычисляется

где - размер элементов измерения, которыми покрывается объект (например, длина отрезка, площадь квадратика, объем кубика);
- число элементов измерения размером , обладающих подобием с объектом.

Лесопатологические процессы изменяют структуру лесного ценоза и его морфологические признаки: густоту, плотность подлеска, форму крон, объем хвои, листьев, форму локусов. Вследствие этого фрактальные размерности двух участков лесного массива - здорового (эталонного) и пораженного, будут отличаться. Для вычисления фрактальной размерности результирующей матрицы изображения разработан алгоритм расчета методом вариаций. Пусть (х1, y1) и (х2, y2) - двумерные координаты точек, а I(х, y) - значения третьей координаты (высоты, яркости) в данной точке, которое задано в виде дискретной функции координат. Тогда - осцилляцией значения I будет разность наибольшего и наименьшего значения I в окрестности точки (х, y)
f(x, y, ) = |I(x1, y1)-I(x2, y2)|;
После этого вариация значений I вычисляется как

где a, b - пределы, в которых изменяется х;
с, d - пределы, в которых изменяется y.

Фрактальная размерность участка внутри контура вычисляется как

Практически при применении данного алгоритма для вычисления фрактальной размерности производится вычисление f для последовательно уменьшающихся элементов измерения, в данном случае квадратиков со стороной .

На фиг. 4 представлены вычисленные функции фрактальной размерности характерных участков: 1 - здоровый лес, фоновой участок, 2 - лесная гарь, 3 - инвазия насекомых вредителей (на начальной стадии вспышки).

Вычисление фрактальных функций осуществлялось программным методом по вышеприведенному алгоритму с использованием специализированного программного обеспечения (см., например, ER MAPPEP 5.0 "Пакет программ для обработки изображений в науках о Земле", USA, GENASYS, 1995, стр.108.

Алгоритм расчета реализован сервисной программой, приведенной в примере реализации способа.

Алгоритм обнаружения лесопатологии заключается в последовательном сравнении числовых характеристик фрактальной размерности участков внутри выделенных контуров текущем изображения с предельными эталонными значениями, представленными на фиг.4. Как правило, функции фрактальной размерности имеют нелинейности при _0 и при _. Поэтому за эталонные значения принимают коэффициент среднего наклона функции фрактальной размерности. Лесопатология фиксируется при отклонении текущего значения коэффициента фрактальной размерности от эталонного значения здорового участка на пороговую величину. Величина порогового уровня должна априорно устанавливаться в зависимости от требуемой достоверности обнаружения лесопатологии на ранней фазе ее развития.

Пример реализации способа.

Заявляемый способ может быть реализован на базе устройства по схеме фиг. 5. Функциональная схема устройства фиг.5 содержит долговременную орбитальную станцию 1 (типа "Мир") с установленной на ее борту системой спектрозональной съемки 2 (типа МОМS - 2Р, Германия) в зонах В, G, R, И, подстилающей поверхности 3, с пространственным разрешением в каждой зоне порядка 18 м и шириной полосы съемки от 54 до 105 км. Включение системы 2 для съемки осуществляется бортовым комплексом управления 4 по командам из Центра управления полетом 5, передаваемым по радиолинии управления 6. Последовательность кадров отснятых территорий в виде цифрового потока данных передается в зонах видимости по совмещенной радиолинии 6 на наземные пункты приема информации 7, где записывается на видеомагнитофон 8 типа "Арктур". По запросам потребителей информация в виде цифровых изображений зон В, G, R, И ранее запланированных к съемке регионов по высокочастотному кабелю 9 передается на региональные пункты 10 тематической обработки информации. В пункте тематической обработки 10 организуется долговременный архив данных на базе запоминающего устройства 11, выполненного на стриммерах типа FТ-120. Тематическая обработка изображений в региональных пунктах 10 организуется на базе ПЭВМ 12 со стандартным набором элементов: процессора-вычислителя 13, винчестера 14, оперативного запоминающего устройства 15, дисплея 16, принтера 17, клавиатуры 18. Оцифрованная информация текущих кадров вводится в ПЭВМ со стриммеров 12. Эталонные значения функций фрактальных размерностей лесных участков предварительно записываются на магнитные диски 19. Каждая матрица цифрового изображения зон G, R по операциям заявляемого способа подвергается обработке по программам, записанным на винчестер 14. На винчестер 14 записываются также программы специализированной обработки информации типа MATH САД 6.0, ER MAPPEP, ARC/INFO, в зависимости от типа используемой ПЭВМ.

Процедуру оперативного обнаружения лесопатологии по операциям заявляемого способа проиллюстрируем на примере обработки изображения участка лесного массива. На фиг.1 а, б представлены исходные изображения анализируемого лесного массива в зонах R, G. На фиг.2 воспроизведена распечатка результирующего изображения анализируемого участка. Визуальное восприятие образа человеком-оператором происходит на уровне контурного рисунка. Для выделения контурного рисунка на результирующем изображении вычисляют градиент скалярной функции яркости изображения в каждой точке пространства, на основе расчета оператора Робертса

где П - установленный пороговый уровень (см., например, Дуда Р., Харт П. Распознавание образов и анализ сцен, перевод с англ. М.: Мир, 1976, стр. 267-288). Данная процедура представляется стандартной математической операцией, входящей в комплект специализированного программного обеспечения (см., например, ER MAPPEP 5.0 "Пакет программ для обработки изображений в науках о Земле, GENASYS, San Diego, USA, р.283-294). Результат программного вычисления контуров на анализируемом изображении иллюстрируется фиг.3. Для каждого выделенного таким образом контура вычисляют фрактальные размерности. На фиг. 4 представлены а) функции фрактальной размерности фоновых (здоровых) участков анализируемого изображения, б) функция фрактальной размерности лесной гари, в) функция фрактальной размерности инвазий.

Алгоритм расчета реализован следующей сервисной программой:
Считывание спектра в матрицу М, размером 512 на 512 элементов
М:= READ_RED("C:\Program Files\Mathcad2000\koroliov2")

G(j,A):=In(W(29-j,A))
I:=1..9
Koroliv:=G(I,M)
Фрактальная размерность спектрозонального изображения
FracRazm:=D(Koroliv) FracRazm=2.274 j:=0..511
Как следует из представленных графиков, функции фрактальной размерности инвазий характеризуются большим интервалом значений (от 2,1 до 2,4), расположенным ниже функций фоновой поверхности, и имеют большую крутизну. По положению контуров на изображении, их площади и значениям фрактальных коэффициентов судят о причинах и динамике лесопатологии.

Эффективность заявляемого способа определяется достоверностью обнаружения аномалий и устойчивостью алгоритма при широком варьировании условий съемки и средств для получения изображений. Использование наряду с коэффициентами зональных отношений топологического признака обеспечивает достоверность и устойчивость диагностических оценок.


Формула изобретения

Способ ранней лесопатологической диагностики, при котором получают оцифрованные значения функций яркости I(х, y) изображений в виде матриц дискретных отсчетов размерностью | m х n| элементов в зонах R и G, определяют отношение спектральных коэффициентов яркости зон, отличающийся тем, что вычисляют попиксельные отношения матриц зон R и G, составляют результирующую матрицу из этих отношений, выделяют методами пространственного дифференцирования контуры на результирующем изображении, рассчитывают функции фрактальной размерности изображения внутри контуров и по численному значению фрактальной размерности, положению контуров и их площади судят о причинах, координатах и размерах выявленной патологии.

РИСУНКИ

Рисунок 1, Рисунок 2, Рисунок 3, Рисунок 4, Рисунок 5



 

Похожие патенты:

Изобретение относится к автоматическим банковским аппаратам

Изобретение относится к автоматизированной системе по перераспределению билетов на зрелищные мероприятия

Изобретение относится к области приборостроения и может быть использовано для космических исследований

Изобретение относится к области робототехники и предназначено для управления движением адаптивного робота, обладающего свойствами искусственного интеллекта

Изобретение относится к электронным играм и может быть использовано в игровых автоматах

Изобретение относится к информационно-управляющим системам и предназначено для сбора информации, решения боевых задач и выработки сигналов управления системами вооружения и техническими средствами, в частности корабельным оружием

Изобретение относится к информационно-управляющим системам и предназначено для сбора информации, решения боевых задач и выработки сигналов управления системами вооружения и техническими средствами, в частности, корабельным оружием и оружием берегового базирования

Изобретение относится к электронным играм и может быть использовано в игровых автоматах

Изобретение относится к системам переноса денежных средств для безналичных финансовых операций

Изобретение относится к вычислительной технике и может быть использовано для решения задач теории массового обслуживания, контроля сложных технологических процессов в условиях нечеткой исходной информации, а также для нечеткого логического вывода в экспертных системах

Изобретение относится к области информатики и может быть использовано для изучения и анализа состояния физических объектов по их фотографическим снимкам

Изобретение относится к области исследования пород, составляющих земную кору, особенно при поиске и разведке различных полезных ископаемых, в частности нефти, по их собственному микролептонному излучению

Изобретение относится к оптоэлектронике

Изобретение относится к области физики взаимодействия тонких энергий, в частности может быть использовано в геологии для поиска месторождений полезных ископаемых
Изобретение относится к технике разведки оптическими средствами

Изобретение относится к способам оптической и звуковой охранной сигнализации, в котором определяют параметры движения объекта, нарушающего границу охраняемого участка, и идентифицируют этот объект

Изобретение относится к поиску и разведке различных типов месторождений полезных ископаемых, в частности нефтяных залежей, что по собственному излучению
Наверх