分水岭算法在林业中的应用

编号 lyqk009501

中文标题 分水岭算法在林业中的应用

作者 孙钊  潘磊  谢运鸿  丁志丹  孙玉军 

作者单位 北京林业大学森林资源和环境管理国家林业和草原局重点实验室，北京 100083

期刊名称 世界林业研究 

年份 2021 

卷号 34

期号 3

栏目名称 专题论述 

中文摘要 随着遥感技术的发展，无人机以及新型遥感数据的出现，越来越多的高分辨率影像被应用于林业资源监测。图像分割作为影像识别应用的基础，大量研究人员在原有的分水岭算法基础上针对不同的区域、背景、目标和研究方向进行了一定的改进，在林木病虫害监测、木材表面缺陷检测、单木冠幅分割、叶片提取等林业领域发展迅速。文中介绍了分水岭算法在林业中的应用，以期为分水岭算法在林业领域的推广以及进一步改进研究提供参考。

关键词 分水岭算法  影像分割  林木病虫害监测  木材表面缺陷检测  遥感技术 

基金项目 林业科学技术推广项目“基于分水岭算法的森林植被碳储量监测技术成果推广应用”（[2019]06）

英文标题 Application of Watershed Algorithm to Forestry

作者英文名 Sun Zhao, Pan Lei, Xie Yunhong, Ding Zhidan, Sun Yujun

单位英文名 National Forestry and Grassland Administration Key Laboratory of Forest Resources & Environmental Management, Beijing Forestry University, Beijing 100083, China

英文摘要 With the development of remote sensing technology and the emergence of unmanned aerial vehicles (UAVs) and new remote sensing data, more and more high-resolution images are used for forest resource monitoring. Image segmentation is the basis of image recognition applications. Based on the original watershed algorithm, many researchers have made some improvements in different regions, backgrounds, targets and research directions, and the method has developed rapidly in forestry fields such as forest disease and pest monitoring, wood surface defect detection, single tree canopy segmentation and leaf extraction. The paper introduces the application of watershed algorithm to forestry, in order to provide references for the extension of watershed algorithm in forestry field and the further improvement of research.

英文关键词 watershed algorithm;image segmentation;forests disease and pest monitoring;wood surface defect detection;remote sensing technology

起始页码 63

截止页码 67

投稿时间 2020/8/4

最后修改时间 2020/9/2

作者简介 孙钊，主要研究方向为森林资源监测与模型，E-mail：965682166@qq.com

通讯作者介绍 孙玉军，教授，博士生导师，主要研究方向为森林资源监测与模型，E-mail：sunyj@bjfu.edu.cn

E-mail 965682166@qq.com;sunyj@bjfu.edu.cn

分类号 S771.8, TP79

DOI 10.13348/j.cnki.sjlyyj.2020.0102.y

参考文献 [1] VINCENT L, SOILLE P. Watersheds in digital spaces: an efficient algorithm based on immersion simulations[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991, 13(6):583-598.
[2] 韩悬, 马银平. 分水岭算法的改进及在图像分割中的应用[J]. 现代信息科技,2019,3(24):17-19.
[3] 沈夏炯, 吴晓洋, 韩道军. 分水岭分割算法研究综述[J]. 计算机工程,2015,41(10):26-30.
[4] 和英英. 分水岭算法在异形粘连纤维分割中的研究与应用[D]. 上海: 东华大学, 2010.
[5] 王松静. 基于光谱分析与图像处理的模式识别研究[D]. 杭州: 浙江大学, 2012.
[6] LIU C, LIU W B, XING W W. An improved edge-based level set method combining local regional fitting information for noisy image segmentation[J]. Signal Processing, 2017, 130:12-21.
[7] EL-FAKI M S, SONG Y, ZHANG N, et al. Automated detection of parasitized cadra cautella eggs by trichogramma bourarachae using machine vision[J]. International Journal of Agricultural and Biological Engineering, 2018, 11(3):94-101.
[8] HAMDI M A. Modified algorithm marker-controlled watershed transform for image segmentation based on curvelet threshold[J]. Middle-East Journal of Scientific Research, 2014, 20(3):323-327.
[9] LIU W P, FEI Y Q, WU L, et al. A marker-based watershed algorithm using fractional calculus for unmanned aerial vehicle image segmentation[J]. Journal of Information and Computational Science, 2015, 12(14):5327-5338.
[10] ZHANG J G, FENG W Z, HU C H, et al. Image segmentation method for forestry unmanned aerial vehicle pest monitoring based on composite gradient watershed algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(14):93-99.
[11] 刘文定, 田洪宝, 谢将剑, 等. 基于全卷积神经网络的林区航拍图像虫害区域识别方法[J]. 农业机械学报,2019,50(3):179-185.
[12] 王小鹏, 罗进文. 基于形态学梯度重建的分水岭分割[J]. 光电子·激光,2005(1):98-101.
[13] 费运巧. 森林病虫害图像分析算法研究[D]. 北京: 北京林业大学, 2016.
[14] 卢纪丽. 基于半监督学习的木材识别研究[D]. 济南: 山东大学, 2015.
[15] 谢永华. 数字图像处理技术在木材表面缺陷检测中的应用研究[D]. 哈尔滨: 东北林业大学, 2013.
[16] 许景涛. 木材表面缺陷的图像分割方法研究[D]. 哈尔滨: 东北林业大学, 2017.
[17] 陈永光, 王国柱, 撒潮, 等. 木材表面缺陷边缘形态检测算法的研究[J]. 木材加工机械,2003(3):18-22.
[18] 王金聪, 宋文龙, 张彭涛. 应用改进分水岭算法对木材表面缺陷图像分割试验[J]. 东北林业大学学报,2018,46(10):93-97.
[19] 王国柱, 周海宾, 李文彬, 等. 基于分水岭算法的木材缺陷边缘检测[J]. 林业科学,2006,42(3):111-115.
[20] 付尧, 王新杰, 孙玉军, 等. 树冠提取技术研究进展[J]. 世界林业研究,2013,26(4):38-42.
[21] POULIOT D A, KING D J, BELL F W, et al. Automated tree crown detection and delineation in high: resolution digital camera imagery of coniferous forest regeneration[J]. Remote Sensing of Environment, 2002, 82(2):322-334.
[22] WANG L, GONG P, BIGING G S. Individual tree-crown delineation and treetop detection in high-spatial-resolution aerial imagery[J]. Photogrammetric Engineering & Remote Sensing, 2004, 70(3):351-358.
[23] NAVARRO A, YOUNG M, ALLAN B, et al. The application of Unmanned Aerial Vehicles (UAVs) to estimate above-ground biomass of mangrove ecosystems[J]. Remote Sensing of Environment, 2020, 242:111747. DOI:10.1016/j.rse.2020.111747
[24] IIZUKA K, HAYAKAWA Y S, OGURA T, et al. Integration of multi-sensor data to estimate plot-level stem volume using machine learning algorithms–case study of evergreen conifer planted forests in Japan[J]. Remote Sensing, 2020, 12(10):1649. DOI:10.3390/rs12101649
[25] ZHOU X, ZHANG X. Individual tree parameters estimation for plantation forests based on uav oblique photography[J]. IEEE Access, 2020, 8:96184-96198.
[26] 李明华, 陈雨竹, 周淑芳, 等. 运用分水岭算法对航片数据的单木信息提取与识别[J]. 东北林业大学学报,2019,47(9):58-62, 70.
[27] 李丹, 张俊杰, 赵梦溪. 基于FCM和分水岭算法的无人机影像中林分因子提取[J]. 林业科学,2019,55(5):180-187.
[28] 郭昱杉, 刘庆生, 刘高焕, 等. 基于标记控制分水岭分割方法的高分辨率遥感影像单木树冠提取[J]. 地球信息科学学报,2016,18(9):1259-1266.
[29] YANG J, KANG Z, CHENG S, et al. An individual tree segmentation method based on watershed algorithm and 3D spatial distribution analysis from airborne LiDAR point clouds[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13:1055-1067.
[30] ZHANG J J, GUNHO S, MATHIEU B. A hybrid framework for single tree detection from airborne laser scanning data: a case study in temperate mature coniferous forests in Ontario, Canada[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 98:44-57.
[31] DUNCANSON L I, COOK B D, HURTT G C, et al. An efficient, multi-layered crown delineation algorithm for mapping individual tree structure across multiple ecosystems[J]. Remote Sensing of Environment, 2014, 154:378-386.
[32] CHEN Q, BALDOCCHI D, GONG P, et al. Isolating individual trees in a savanna woodland using small footprint lidar data[J]. Photogrammetric Engineering & Remote Sensing, 2006, 72(8):923-932.
[33] TAO S, GUO Q, LI L, et al. Airborne lidar-derived volume metrics for aboveground biomass estimation: a comparative assessment for conifer stands[J]. Agricultural and Forest Meteorology, 2014, 198/199:24-32.
[34] 李岩, 史泽林, 程坤, 等. 运用激光雷达数据的单木树冠提取算法对帽儿山林场单木参数估测的影响[J]. 东北林业大学学报,2019,47(11):59-65.
[35] 郭庆华, 苏艳军, 胡天宇, 等. 激光雷达森林生态应用: 理论、方法及实例[M]. 北京: 高等教出版社, 2018.
[36] 汪紫阳, 尹世逵, 李春旭, 等. 可见/近红外光谱技术识别树叶树种的研究[J]. 西北林学院学报,2019,34(1):229-236, 260.
[37] 赵斌, 周厚奎, 冯海林. 基于分块阈值和边缘检测的叶片分割算法[J]. 农机化研究,2014(6):41-44.
[38] FU B, MAO M, ZHAO X, et al. Recognition of plants with complicated background by leaf features[J]. Journal of Physics: Conference Series, 2019, 1176:32-53.
[39] 徐晓雨. 基于树叶边缘几何轮廓特征提取与识别的算法研究[D]. 河南开封: 河南大学, 2018.
[40] 张燕群. 基于区域生长和聚类的花卉图像分割算法研究[D]. 成都: 成都理工大学, 2012.
[41] 陈迪. 树叶图像的显著性区域提取方法研究[D]. 哈尔滨: 东北林业大学, 2019.
[42] WANG X F, HUANG D S, DU J X, et al. Classification of plant leaf images with complicated background[J]. Applied Mathematics and Computation, 2008, 205(2):916-926.
[43] 张宁, 王志明, 郑健. 基于标记分水岭的植物重叠叶片改进分割算法[J]. 计算机与现代化,2019(1):21-26.
[44] 吴艳. 基于分水岭算法的核桃叶片图像分割方法研究[J]. 科技通报,2014,30(3):100-103.
[45] 赵熙临, 单治磊, 付波, 等. 应用叶片图像分割与特征融合的复杂背景植物识别方法[J]. 华侨大学学报(自然科学版),2018,39(2):274-280.
[46] 王红君, 陈伟, 赵辉, 等. 复杂背景下植物叶片的彩色图像分割[J]. 中国农机化学报,2013,34(2):207-211.
[47] 任玉刚. 分水岭算法及其在作物病害叶片图像分割中的应用[D]. 合肥: 中国科学技术大学, 2012.
[48] 李平昊, 申鑫, 代劲松, 等. 机载激光雷达人工林单木分割方法比较和精度分析[J]. 林业科学,2018,54(12):127-136.

发布日期 2020-10-13

PDF全文 浏览全文