萬(wàn)雪芬, 楊 義, 韓 芳

(1.華北科技學(xué)院 計(jì)算機(jī)學(xué)院, 河北 廊坊 065201； 2. 東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院, 上海 201620)

遠(yuǎn)程葉面積指數(shù)半球圖像采集系統(tǒng)

萬(wàn)雪芬1, 2, 楊 義2, 韓 芳2

(1.華北科技學(xué)院 計(jì)算機(jī)學(xué)院, 河北 廊坊 065201； 2. 東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院, 上海 201620)

為低成本遠(yuǎn)程獲取植被冠層半球圖像信息, 從而得到葉面積指數(shù)這一重要的生態(tài)學(xué)參數(shù), 提出了一種遠(yuǎn)程葉面積指數(shù)半球圖像采集系統(tǒng).該系統(tǒng)采用嵌入式平臺(tái)、低成本圖像傳感器與魚(yú)眼鏡頭組成的現(xiàn)場(chǎng)節(jié)點(diǎn)獲取植被冠層半球圖像.冠層半球圖像采集時(shí)節(jié)點(diǎn)還對(duì)環(huán)境日光輻照及溫濕度進(jìn)行實(shí)時(shí)監(jiān)測(cè), 以便剔除無(wú)效數(shù)據(jù)及進(jìn)行節(jié)點(diǎn)維護(hù).上位機(jī)與現(xiàn)場(chǎng)節(jié)點(diǎn)間利用3G網(wǎng)絡(luò)進(jìn)行交互.上位機(jī)對(duì)獲取的冠層圖像使用像素校準(zhǔn)與超分辨率技術(shù)提高圖像質(zhì)量, 從而抑制由于魚(yú)眼成像畸變與圖像辨析度不足而在葉面積指數(shù)計(jì)算中引入的誤差.測(cè)試結(jié)果表明, 該系統(tǒng)可有效地對(duì)植被冠層圖像進(jìn)行低成本遠(yuǎn)距離采集, 并得到誤差較小的葉面積指數(shù)計(jì)算結(jié)果.

植被冠層；葉面積指數(shù)；半球圖像；超分辨率

植被冠層是植被進(jìn)行光合作用最主要的部分, 通過(guò)對(duì)植被冠層結(jié)構(gòu)參數(shù)的測(cè)量, 可以對(duì)日光輻照截取率、光合作用效果、冠下光線(xiàn)時(shí)空分布等進(jìn)行評(píng)估[1-2].在諸多冠層結(jié)構(gòu)參數(shù)中, 用于表示植被冠層單位面積上葉面積總量的葉面積指數(shù)(leaf area index, LAI)最為重要[3-4].

葉面積指數(shù)的測(cè)量方法可分為直接法與間接法.直接法冠層測(cè)量需要對(duì)植被進(jìn)行大范圍的破壞性采樣, 且人力、物力消耗較大, 而間接法則可避免上述問(wèn)題[5].基于魚(yú)眼鏡頭的半球圖像葉面積指數(shù)測(cè)量技術(shù)，由于其精確性和有效性, 在國(guó)內(nèi)外得到了廣泛的研究[6-9].測(cè)量中, 通過(guò)采集180°范圍內(nèi)的植被冠層圖像信息并輔以后處理算法, 即可獲得冠層結(jié)構(gòu)對(duì)應(yīng)的葉面積指數(shù).但是現(xiàn)有半球圖像冠層測(cè)量技術(shù)多借助單反相機(jī)并與魚(yú)眼鏡頭組合進(jìn)行圖像采集.測(cè)量者需要進(jìn)入冠層下方手工采集圖像, 單反相機(jī)與鏡頭也無(wú)法在外場(chǎng)長(zhǎng)期安放以跟蹤植被較長(zhǎng)生長(zhǎng)周期內(nèi)的冠層變化.尤其是在一些邊遠(yuǎn)地區(qū), 較難進(jìn)行植被冠層長(zhǎng)期的人工監(jiān)測(cè).此外該方法的設(shè)備成本較高, 也無(wú)法同時(shí)自動(dòng)進(jìn)行分布式的圖像采集.

近年來(lái), 隨著嵌入式與圖像技術(shù)的發(fā)展, 遠(yuǎn)程低成本冠層半球圖像采集技術(shù)成為可能.但是在對(duì)冠層圖像進(jìn)行采集時(shí), 為了避免葉片對(duì)太陽(yáng)輻射的散射效果使部分葉片混入天空像元, 通常在云層均勻分布的日出后1 h或日落前1 h內(nèi)進(jìn)行[10].冠層對(duì)光照強(qiáng)度也有較大影響.而低成本圖像采集設(shè)備由于CCD與鏡頭內(nèi)鏡片組等的限制, 在這一條件下的成像清晰度有所下降, 并具有一定的魚(yú)眼非對(duì)中誤差.如果要得到較為精確的葉面積指數(shù)計(jì)算結(jié)果, 必須要對(duì)圖像進(jìn)行后處理抑制誤差、提高圖像品質(zhì).本文提出了一種遠(yuǎn)程葉面積指數(shù)半球圖像采集系統(tǒng), 該系統(tǒng)采用嵌入式平臺(tái)結(jié)合低成本魚(yú)眼鏡頭對(duì)植物冠層圖像進(jìn)行采集, 并監(jiān)測(cè)日光輻照及溫濕度數(shù)據(jù).冠層圖像與監(jiān)測(cè)數(shù)據(jù)通過(guò)3G數(shù)據(jù)通道由節(jié)點(diǎn)傳輸至上位機(jī), 最終利用魚(yú)眼圖像校正與超分辨率算法提升冠層圖像品質(zhì).

1 基于半球圖像的葉面積指數(shù)計(jì)算

將均勻介質(zhì)中光線(xiàn)傳播的Beer-Lambert定律引入到植物冠層光線(xiàn)傳播模型中, 并僅考慮直射光的作用效果, 有

(1)

其中:L為葉面積指數(shù)；α為葉傾角；θ為天頂角；G(θ,α)為表示葉傾角α的單位葉片面積在特定天頂角θ方向上的投影面積, 其與葉傾角分布有關(guān)；T(θ) 為植物冠層孔隙度, 其可通過(guò)式(2)計(jì)算得到.

(2)

其中:ΓL(θ)與ΓS(θ)分別為天頂角θ時(shí)半球圖像上的葉片像素?cái)?shù)量與該天頂角對(duì)應(yīng)的圓環(huán)像素?cái)?shù)量.在利用式(1)與(2)對(duì)葉面積指數(shù)的計(jì)算中,G(θ,α)在天頂角θ∈[25°, 65°]時(shí)近似為θ的線(xiàn)性函數(shù), 尤其是在天頂角θ=57°時(shí),G(θ,α)=0.5[8].所以在利用半球圖像對(duì)葉面積指數(shù)的計(jì)算中, 常依據(jù)天頂角將θ∈[25°, 65°]內(nèi)的冠層半球圖像以天頂角θ=57°為基準(zhǔn)線(xiàn)分割成一組環(huán)形圖像, 之后再利用灰度閾值方法進(jìn)行二值化處理, 計(jì)算得到θ=57°時(shí)的葉面積指數(shù).然后分別計(jì)算各環(huán)形圖像中的冠層孔隙度, 最終利用在θ=57°時(shí)獲得的葉面積指數(shù)獲取線(xiàn)性區(qū)葉傾角.但是在實(shí)際圖像采集中, 較低分辨率的半球圖像造成葉邊緣模糊, 難以有效地將葉片像元與天空像元分離, 由此在冠層孔隙度中引入誤差.另外魚(yú)眼鏡頭在投影成像中會(huì)由于鏡頭加工誤差、鏡頭卡口安裝等原因，造成同一天頂角的圖像成像在距離成像中心間距不同的環(huán)上, 由此也會(huì)造成葉面積指數(shù)計(jì)算值偏離真實(shí)值.上述問(wèn)題在低成本圖像采集系統(tǒng)中更為嚴(yán)重, 所以需要對(duì)采集到的半球圖像進(jìn)行相應(yīng)處理, 從而實(shí)現(xiàn)對(duì)葉面積指數(shù)與葉傾角計(jì)算中的誤差抑制.

2 硬件設(shè)計(jì)與功能

在系統(tǒng)設(shè)計(jì)中, 現(xiàn)場(chǎng)節(jié)點(diǎn)布設(shè)于冠層下方獲取冠層的圖像及輔助參數(shù).系統(tǒng)現(xiàn)場(chǎng)節(jié)點(diǎn)的硬件部分包括核心處理部分、3G通信模塊、圖像采集部分、輔助參數(shù)采集部分與供電部分組成, 如圖1所示.

圖1 現(xiàn)場(chǎng)節(jié)點(diǎn)結(jié)構(gòu)框圖Fig.1 Configuration of in-field node

現(xiàn)場(chǎng)節(jié)點(diǎn)核心處理部分采用STM32F407, 其豐富的內(nèi)部資源, 有助于實(shí)現(xiàn)高集成度的系統(tǒng)結(jié)構(gòu)[11-12].3G通信模塊選用ZWD-35B型串口3G透?jìng)髂K, 其上行與下行傳輸速率分別為1.8和3.1MiB/s.ZWD-35B與STM32F407通過(guò)RSM3485CHT單路高速隔離RS-485收發(fā)器進(jìn)行通信.圖像采集部分選用OV2640型與VMAX-K1A型魚(yú)眼鏡頭適配器的組合.OV2640可實(shí)現(xiàn)200萬(wàn)像素的圖像采集, 結(jié)合視角為180°的VMAX-K1A, 可以有效采集上半球的冠層圖像.設(shè)計(jì)中還使用PMMA可調(diào)扣具用于適配VMAX-K1A與OV2640的焦距和視場(chǎng), 使圖像在采集時(shí)達(dá)到最優(yōu)化的效果.輔助參數(shù)采集分為日光輻照參數(shù)采集及溫濕度參數(shù)采集.前者用于提供冠層圖像采集時(shí)的日光光線(xiàn)環(huán)境參考參數(shù)；后者為使用者提供設(shè)備周?chē)鷾貪穸刃畔? 以便對(duì)其進(jìn)行維護(hù).日光輻照傳感器采用Davis-6450型日光輻照傳感器, 該傳感器依照1.67 mV-1 W/m2的比例關(guān)系將日光輻照數(shù)據(jù)轉(zhuǎn)化為電壓輸出，以供STM32F407進(jìn)行A/D采集.使用時(shí)Davis-6450置于冠層上方.環(huán)境溫濕度則由STM32F407通過(guò)1-wire通信協(xié)議由AM2306戶(hù)外耐候型傳感器獲得.系統(tǒng)供電部分采用DC/DC結(jié)合LDO的方式, 從而獲得高效率的多電壓輸出.系統(tǒng)輸入DC電壓為12 V, 采用賽特12V12AH的BT-12M12AC鉛酸蓄電池提供, 或在此基礎(chǔ)上增加斯普威爾 SML05太陽(yáng)能控制器與40 W多晶硅太陽(yáng)能電池板的組合.前者適用于采集周期為數(shù)天的短時(shí)測(cè)量；后者適合在特定位置長(zhǎng)時(shí)期的監(jiān)測(cè).鉛酸蓄電池或太陽(yáng)能供電系統(tǒng)提供的12 V電壓一路通過(guò)電源適配器為ZWB-35B模塊供電；另外一路通過(guò)隔離型LM2596 DC-DC電源模塊轉(zhuǎn)換為5 V, 之后分別通過(guò)TPS73033與TPS73030提供3.3與3.0 V電壓輸出.

由于圖像數(shù)據(jù)量較大且僅在全天的部分時(shí)間段內(nèi)對(duì)冠層圖像采集才具有意義,所以現(xiàn)場(chǎng)節(jié)點(diǎn)在工作中分別為普通監(jiān)測(cè)模式與圖像采集模式.當(dāng)現(xiàn)場(chǎng)節(jié)點(diǎn)在普通監(jiān)測(cè)模式中, 將以5 min為周期不斷地監(jiān)測(cè)日光輻照數(shù)據(jù)和溫濕度的變化, 獲得大刻度(每5 min采樣一次)的日光輻照與溫濕度數(shù)據(jù), 并將采集結(jié)果發(fā)回上位機(jī).當(dāng)接收到上位機(jī)的圖像采集命令后, 節(jié)點(diǎn)進(jìn)入圖像采集模式.節(jié)點(diǎn)通過(guò)圖像傳感器OV2640以預(yù)設(shè)間隔先后獲得4幅圖像及該周期內(nèi)的細(xì)刻度(每秒采樣一次)日光輻照數(shù)據(jù), 并通過(guò)STM32F407內(nèi)部的實(shí)時(shí)時(shí)鐘為數(shù)據(jù)打上時(shí)間戳.完成采集后驗(yàn)證圖像數(shù)據(jù)有效性, 如果為有效圖像則發(fā)往上位機(jī).發(fā)送完成后返回普通監(jiān)測(cè)模式.

云層快速變化與冠層中葉片受風(fēng)抖動(dòng)都會(huì)造成冠層下日光輻照強(qiáng)度改變, 這將對(duì)系統(tǒng)圖像采集造成不利影響.前者破壞了日光輻射的均勻散射效果, 并有可能造成部分葉片混入天空像元中.而后者則會(huì)造成圖像中的運(yùn)動(dòng)抖動(dòng)模糊.現(xiàn)場(chǎng)節(jié)點(diǎn)在圖像采集的過(guò)程中獲得的大刻度與細(xì)刻度日光輻照數(shù)據(jù)，有助于實(shí)現(xiàn)對(duì)日照氣象條件的分析.在晴朗無(wú)云與云層均勻分布的條件下, 日光輻照數(shù)據(jù)隨時(shí)間的變化都為一緩變曲線(xiàn).大刻度與細(xì)刻度采樣數(shù)據(jù)偏差較小, 且晴朗無(wú)云與云層均勻分布可由輻照強(qiáng)度數(shù)據(jù)區(qū)別.而在云層快速運(yùn)動(dòng)時(shí), 大刻度與細(xì)刻度采樣數(shù)據(jù)有較大偏差, 且在圖像采集時(shí)段內(nèi)也會(huì)出現(xiàn)輻照強(qiáng)度一定程度上的波動(dòng), 如果細(xì)刻度測(cè)量結(jié)果的絕對(duì)值的平均值超過(guò)預(yù)先設(shè)定的波動(dòng)容忍閾值(大刻度輻照參考值的25%), 則可判定圖像數(shù)據(jù)無(wú)效.而葉片受風(fēng)抖動(dòng)也會(huì)造成日光輻照的快速變化.同樣利用大刻度/細(xì)刻度數(shù)據(jù)比較及閾值判決的方式可判定圖像數(shù)據(jù)的有效性.在上位機(jī)發(fā)來(lái)的采樣控制信息中包含由大刻度數(shù)據(jù)時(shí)均插值計(jì)算得到的輻照參考值, 現(xiàn)場(chǎng)節(jié)點(diǎn)依照該參考值與細(xì)刻度數(shù)據(jù)及其方差實(shí)現(xiàn)圖像數(shù)據(jù)有效性判定.如果采樣時(shí)輻照氣象數(shù)據(jù)不符合判定閾值, 則僅向上位機(jī)發(fā)出該時(shí)段內(nèi)的細(xì)刻度日光輻照數(shù)據(jù)及報(bào)錯(cuò)信息.

3 上位機(jī)與圖像處理

上位機(jī)軟件采用C++設(shè)計(jì), 上位機(jī)硬件采用華北工控基于Intel公司Pineview-M/D技術(shù)的3.5寸嵌入式主板EMB-3870.對(duì)于冠層圖像采樣, 上位機(jī)可選用自動(dòng)工作模式與手動(dòng)工作模式.上位機(jī)及其軟件功能結(jié)構(gòu)如圖2所示.

圖2 上位機(jī)及其軟件功能結(jié)構(gòu)Fig.2 Host computer and its software structure

上位機(jī)可根據(jù)現(xiàn)場(chǎng)節(jié)點(diǎn)的經(jīng)緯度與本地時(shí)間計(jì)算出實(shí)時(shí)太陽(yáng)高度角信息.在太陽(yáng)高度角較小時(shí)可望獲得較理想的冠層圖像采樣數(shù)據(jù).所以在自動(dòng)模式下軟件使用者通過(guò)設(shè)定采樣時(shí)對(duì)應(yīng)的太陽(yáng)高度角數(shù)值, 當(dāng)太陽(yáng)高度角滿(mǎn)足該條件時(shí)上位機(jī)自動(dòng)發(fā)出采樣指令.在手動(dòng)模式下則需軟件使用者手工向節(jié)點(diǎn)發(fā)送采樣指令.當(dāng)上位機(jī)完成冠層圖像接收后, 將其存入以當(dāng)次采樣發(fā)起時(shí)間命名的文件夾下, 并對(duì)其進(jìn)行魚(yú)眼圖像校正與超分辨率處理.節(jié)點(diǎn)在普通監(jiān)測(cè)模式下間隔5 min自動(dòng)向上位機(jī)發(fā)送日光輻照數(shù)據(jù)與溫濕度數(shù)據(jù).當(dāng)上位機(jī)接收數(shù)據(jù)后, 將其存入SQLite數(shù)據(jù)庫(kù).采用SQLite的原因是其具有簡(jiǎn)潔高效的特點(diǎn), 且占用資源較低，這非常適于在低功耗工控機(jī)上運(yùn)行.完成日光輻照與溫濕度監(jiān)測(cè)數(shù)據(jù)接收與存儲(chǔ)后, 并將日光輻照數(shù)據(jù)與溫濕度數(shù)據(jù)利用ZedGraph圖標(biāo)類(lèi)庫(kù)顯示于屏幕上.此外當(dāng)節(jié)點(diǎn)溫濕度超越告警閾值后, 上位機(jī)還將向指定的郵箱中發(fā)送告警郵件以便管理者進(jìn)行節(jié)點(diǎn)維護(hù).

通常魚(yú)眼鏡頭由于鏡頭工藝及相機(jī)機(jī)身接口的細(xì)微誤差，會(huì)造成鏡頭光學(xué)中心與照片中心不重合.而低成本魚(yú)眼鏡頭內(nèi)部的鏡片數(shù)量與加工誤差限制, 圖像各部分的不均衡失真變形較單反魚(yú)眼鏡頭更甚[13].不過(guò)這一類(lèi)型的魚(yú)眼鏡頭多為定焦鏡頭, 具有唯一的投影方程.所以可以采用預(yù)標(biāo)定的方法確定變形參數(shù), 并加以矯正.魚(yú)眼鏡頭的失真可以認(rèn)為是像元在成像過(guò)程中其投影位置與真實(shí)位置的偏離.通過(guò)標(biāo)定該偏離值并在拍攝圖像中引入修正即可有效降低冠層圖像魚(yú)眼誤差[14].在具體實(shí)施中, 可在冠層圖像采集前令系統(tǒng)對(duì)帶有十字標(biāo)的馬賽克墻進(jìn)行拍照, 之后利用Arcgis量尺工具獲得圖像中各十字標(biāo)離中心的像素偏離距離.在此基礎(chǔ)上利用三次插值得到每一個(gè)像素點(diǎn)的偏離參考值.在獲得現(xiàn)場(chǎng)節(jié)點(diǎn)發(fā)來(lái)的冠層圖像后, 將圖像像素位置依照該參考值進(jìn)行修正, 由此獲得校準(zhǔn)后的圖像.該方法的圖片對(duì)象為在圖片RGB中提取藍(lán)色分量對(duì)應(yīng)的灰度圖片.圖片超分辨率處理可望有效提高圖片辨識(shí)效果[15].在進(jìn)行圖像超分辨率處理時(shí), 需要將圖片進(jìn)行預(yù)處理.該過(guò)程可以和前述去魚(yú)眼誤差的操作放在同一雙三次插值步驟中, 由此得到低魚(yú)眼誤差的高像素圖片.隨后利用下采樣濾波器與上采樣濾波器對(duì)該高像素圖片進(jìn)行操作, 并與原圖對(duì)應(yīng)分量相減, 得到原始圖片的低通和高通部分.在高通部分中查找像素區(qū)域異常, 如果有則對(duì)該區(qū)域進(jìn)行矯正, 通過(guò)該步驟可以較為部分抑制枝干對(duì)最終葉面積指數(shù)計(jì)算結(jié)果的影響.之后對(duì)雙三次插值得到的高像素圖片進(jìn)行自相似處理, 尋找與之前得到的高通部分相似的位置.之后將高通部分納入到該高像素圖片中，再利用Sobel算子檢測(cè)邊緣及進(jìn)行邊緣平滑化處理.冠層圖像處理流程如圖3所示.

圖3 冠層圖像處理流程Fig.3 Image processing for canopy

4 測(cè)試結(jié)果及討論

本文系統(tǒng)完成后于2016年4～6月間在京東地區(qū)的混栽園藝闊葉林中進(jìn)行了測(cè)試, 林中樹(shù)種主要為桃樹(shù)、杏樹(shù)、玉蘭、柳樹(shù)、白樺及楊樹(shù).測(cè)試中選擇日照與云層分布符合標(biāo)準(zhǔn)的時(shí)段在林中多個(gè)位置進(jìn)行采集, 每個(gè)時(shí)段采集4～8組數(shù)據(jù).將本系統(tǒng)與利用佳能EOS 700D和適馬8mm F3.5 EX DG魚(yú)眼鏡頭在同一位置采集數(shù)據(jù)的分析結(jié)果進(jìn)行比較, 以獲得葉面積指數(shù)及葉傾角誤差.圖像采集中設(shè)置激光標(biāo)尺與水平架以令二者的成像平面與成像中心對(duì)準(zhǔn).選擇葉傾角作為誤差評(píng)估的原因是該參數(shù)與葉面積指數(shù)緊密相關(guān), 且其計(jì)算需依靠半球圖像的各環(huán)形分割圖像.其誤差不僅體現(xiàn)了葉面積指數(shù)在G(θ,α)=0.5環(huán)形上的誤差, 也體現(xiàn)了系統(tǒng)在線(xiàn)性區(qū)的成像效果.

在不同位置的測(cè)試中, 現(xiàn)場(chǎng)節(jié)點(diǎn)與移動(dòng)基站之間的直線(xiàn)距離為200～1 300 m, 測(cè)試中系統(tǒng)工作穩(wěn)定可靠, 數(shù)據(jù)采集及回傳無(wú)異?，F(xiàn)象發(fā)生, 數(shù)據(jù)傳輸成功率可達(dá)100%.系統(tǒng)實(shí)測(cè)功耗小于670 mW.在單獨(dú)使用鉛酸電池供電并設(shè)置3G模塊休眠調(diào)度的情況下, 系統(tǒng)可連續(xù)工作一周以上；若采用鉛酸電池與太陽(yáng)能供電結(jié)合的方法, 其提供的能量可保證系統(tǒng)連續(xù)工作, 無(wú)需在使用中更換電池.

圖像采集處理結(jié)果如圖4所示.由圖4中可以看出, 處理后的結(jié)果有較高的辨析度, 天空像元與葉片像元之間較易區(qū)分.

圖4 系統(tǒng)在林中不同位置的圖像采集處理結(jié)果Fig.4 Collecting and processing canopy images in different locations in the forest

圖5中(a)、(c)、(e)與(b)、(d)、(f)分別為由未經(jīng)圖像處理與完成圖像處理冠層半球圖片所得到的結(jié)果.由圖5中可以看出，處理后的圖片含有更豐富的細(xì)節(jié), 尤其是部分在處理之前細(xì)節(jié)模糊的葉片邊緣與尺寸較小的冠層孔隙得以獲得較為清晰地呈現(xiàn).由此在一定程度上由嵌入式平臺(tái)、低成本圖像傳感器與魚(yú)眼鏡頭所組成現(xiàn)場(chǎng)節(jié)點(diǎn)，所采集的冠層半球圖像接近由高分辨率單反相機(jī)所采集處理的效果.

圖5 現(xiàn)場(chǎng)節(jié)點(diǎn)采集到的一組半球圖像及其處理結(jié)果Fig.5 Collected canopy hemispherical images results by in-field node and corresponding processing

測(cè)試共在107個(gè)晨暮時(shí)段采集到有效數(shù)據(jù).由于葉面積指數(shù)可由θ=57°處的環(huán)形圖像數(shù)據(jù)求得, 所以在測(cè)試中取處于θ=[56°, 58°]區(qū)間的環(huán)形圖像作為葉面積指數(shù)計(jì)算的依據(jù).將由本系統(tǒng)獲得并處理的圖像中計(jì)算得到的葉面積指數(shù)值與由單反相機(jī)取得的采集處理結(jié)果進(jìn)行比較, 比較中采用每個(gè)測(cè)試時(shí)段葉面積指數(shù)計(jì)算結(jié)果的平均值.二者之間的歸一化誤差如圖6所示.

圖6 系統(tǒng)葉面積指數(shù)與葉傾角歸一化誤差結(jié)果Fig.6 Normalized error results in LAI and leaf angle

此外依據(jù)θ=57°處環(huán)形圖像計(jì)算得到的葉面積指數(shù), 利用Open CV對(duì)線(xiàn)性區(qū)圖像以θ=5°為尺度進(jìn)行分割, 之后結(jié)合分割后各環(huán)形圖像中的冠層孔隙度得到線(xiàn)性區(qū)葉傾角數(shù)值.由此對(duì)利用單反相機(jī)與本系統(tǒng)得到的葉傾角誤差數(shù)據(jù)進(jìn)行比較, 其時(shí)段歸一化誤差結(jié)果也示于圖6中.

4～6月為植物生長(zhǎng)期, 采集到的半球圖像中葉片像元在半球圖像中所占比例總體呈上升趨勢(shì), 由此在測(cè)量結(jié)果中誤差也呈上升趨勢(shì).但是由圖6中可以看出, 通過(guò)校準(zhǔn)-插值方法抑制了魚(yú)眼成像畸變誤差, 及使用超分辨率提高了葉片邊緣和冠層孔隙的辨識(shí)度, 算法處理后的葉面積指數(shù)及葉傾角誤差都得到了一定程度的抑制.由圖6中還可看出, 當(dāng)葉片像元的占比較高時(shí), 通過(guò)處理對(duì)誤差的抑制程度相對(duì)于葉片像元占比較低時(shí)略高.6月底京東地區(qū)混栽園藝闊葉林已經(jīng)進(jìn)入生長(zhǎng)成熟期, 其冠層結(jié)構(gòu)已基本穩(wěn)定, 所以其葉片像元占比不會(huì)再有明顯增加, 系統(tǒng)的測(cè)量計(jì)算誤差同樣也不會(huì)出現(xiàn)明顯增加.此外對(duì)葉傾角的計(jì)算誤差結(jié)果中可以看到, 各線(xiàn)性區(qū)環(huán)形分割圖像有較好的成像質(zhì)量, 未在葉傾角計(jì)算結(jié)果中引入較大誤差.測(cè)量中還發(fā)現(xiàn)，在同一時(shí)段的采集過(guò)程中, 如無(wú)風(fēng)力與輻照的明顯變化, 現(xiàn)場(chǎng)節(jié)點(diǎn)采集的各組冠層半球圖像具有較好的一致性.依據(jù)采集處理的半球圖像計(jì)算所獲得的冠層葉面積指數(shù)與葉傾角基本保持一致. 測(cè)試結(jié)果表明，系統(tǒng)的半球圖像采集處理結(jié)果已滿(mǎn)足大多數(shù)葉面積指數(shù)測(cè)量的誤差要求[16].

日光輻照與溫濕度等環(huán)境參數(shù)的測(cè)量對(duì)遠(yuǎn)程半球圖像的采集也有較大的意義.以2016年5月27日獲得的數(shù)據(jù)為例, 示出的一日內(nèi)環(huán)境溫濕度與日光輻照變化的監(jiān)測(cè)結(jié)果如圖7所示.從圖7中可以看出，監(jiān)測(cè)數(shù)據(jù)可反映林間環(huán)境參數(shù)的連續(xù)變化規(guī)律.此外在現(xiàn)場(chǎng)節(jié)點(diǎn)的測(cè)試中(2016年4～6月間), 還多次采用勝利VC231型工業(yè)級(jí)手持式溫濕度計(jì)及6450+NI USB-6210型數(shù)據(jù)采集卡的方式，在布設(shè)現(xiàn)場(chǎng)節(jié)點(diǎn)的相同位置獲取溫濕度與日光輻照參考數(shù)據(jù).測(cè)量中通過(guò)現(xiàn)場(chǎng)節(jié)點(diǎn)獲得的監(jiān)測(cè)數(shù)據(jù)與參考數(shù)據(jù)間的溫度差值不大于0.6 ℃, 相對(duì)濕度差值不大于4.7%, 日光輻照差值不大于31 W/m2, 可以較好地滿(mǎn)足對(duì)節(jié)點(diǎn)維護(hù)與云層波動(dòng)監(jiān)測(cè)的需求.

圖7 一日內(nèi)環(huán)境溫濕度與日光輻照變化的監(jiān)測(cè)結(jié)果Fig.7 Environment temperature, humidity and solar radiation monitoring results in one day

5 結(jié) 語(yǔ)

本文提出了一種結(jié)合低成本嵌入式技術(shù)與魚(yú)眼鏡頭成像系統(tǒng)的遠(yuǎn)程葉面積指數(shù)半球圖像采集系統(tǒng), 并討論了通過(guò)圖像校正與超分辨率處理進(jìn)一步優(yōu)化采集圖像效果的方法.該系統(tǒng)可以在較低的成本下進(jìn)行有較高圖像質(zhì)量的遠(yuǎn)程植被冠層半球圖像采集.針對(duì)京東地區(qū)混栽園藝闊葉林的測(cè)試結(jié)果表明, 該系統(tǒng)可以長(zhǎng)期有效地采集植物冠層半球圖像, 還可對(duì)監(jiān)測(cè)點(diǎn)周邊的溫濕度與日光輻照進(jìn)行相應(yīng)監(jiān)測(cè).

隨著未來(lái)適用于移動(dòng)設(shè)備的魚(yú)眼鏡頭技術(shù)及嵌入式成像技術(shù)的發(fā)展, 該方法的測(cè)量精度有望得到進(jìn)一步提高.在不便于進(jìn)行日常人工冠層圖像數(shù)據(jù)采集、需要長(zhǎng)時(shí)期連續(xù)自動(dòng)監(jiān)測(cè)或?qū)Σ杉杀据^為敏感的場(chǎng)合，本文提出的遠(yuǎn)程葉面積指數(shù)半球圖像采集系統(tǒng)有望得到推廣應(yīng)用.

[1] WOODGATE W, JONES S D, SUAREZ L, et al. Understanding the variability in ground-based methods for retrieving canopy openness, gap fraction, and leaf area index in diverse forest systems[J]. Agricultural and Forest Meteorology, 2015, 205(3): 83-95.

[2] CONFALONIERI R, FOI M, CASA R, et al. Development of an app for estimating leaf area index using a smartphone: Trueness and precision determination and comparison with other indirect methods[J]. Computers & Electronics in Agriculture, 2013, 96(12): 67-74.

[3] LI X H, LIU Q, YANG R J, et al. The design and implementation of the leaf area index sensor[J]. Sensors, 2015, 15(3): 6250-6269.

[4] 王修信, 付潔, 王培娟, 等. 漓江上游山區(qū)水源林葉面積指數(shù)變化的遙感監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(2): 139-145.

[5] 劉志理, 金光澤, 周 明. 利用直接法和間接法測(cè)定針闊混交林葉面積指數(shù)的季節(jié)動(dòng)態(tài)[J]. 植物生態(tài)學(xué)報(bào), 2014, 38(8): 843-856.

[6] 胡凝, 呂川根, 姚克敏, 等. 利用魚(yú)眼影像技術(shù)反演不同株型水稻的冠層結(jié)構(gòu)參數(shù)[J]. 作物學(xué)報(bào), 2014, 40(8): 1443-1451.

[7] LEBLANC S G, FOURNIER R A. Hemispherical photography simulations with an architectural model to assess retrieval of leaf area index[J]. Agricultural and Forest Meteorology, 2014, 194(6): 64-76.

[8] 王傳宇, 郭新宇, 溫維亮, 等. 田間光照條件下應(yīng)用半球圖像解析玉米冠層結(jié)構(gòu)參數(shù)[J].農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(4): 157-162.

[9] LIU Z L, WANG C K, CHEN J, et al. Empirical models for tracing seasonal changes in leaf area index in deciduous broadleaf forests by digital hemispherical photography[J]. Forest Ecology and Management, 2015, 351(1): 67-77.

[10] CAO B, DU Y M, LI J, et al. comparison of five slope correction methods for leaf area Index estimation from hemispherical photography[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(9): 1958-1962.

[11] 蔣煥煜, 張利君, 周鳴川, 等. 基于響應(yīng)面法的電磁閥響應(yīng)時(shí)間優(yōu)化[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(9): 67-73.

[12] 武星, 沈偉良, 樓佩煌, 等. 視覺(jué)導(dǎo)引AGV魯棒特征識(shí)別與精確路徑跟蹤研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(7): 48-56.

[13] 向鵬, 王立鋼. 手機(jī)附加魚(yú)眼鏡頭的光學(xué)設(shè)計(jì)[J]. 光學(xué)儀器, 2013, 35(6): 5-8.

[14] 彭煥華, 趙傳燕, 馮兆東, 等. 利用半球圖像法提取植被冠層結(jié)構(gòu)特征參數(shù)[J]. 生態(tài)學(xué)報(bào), 2011, 31(12): 3376-3383.

[15] 萬(wàn)雪芬, 韓芳, 蔣學(xué)芹, 等.視頻監(jiān)控圖像的超分辨率復(fù)原研究[J]. 激光雜志, 2014, 35(3): 48-52.

[16] 溫一博, 范文義, 常穎, 等. 野外葉面積指數(shù)自動(dòng)測(cè)量?jī)x器設(shè)計(jì)及應(yīng)用試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(9): 154-160

(責(zé)任編輯: 楊 靜)

Remote Hemispherical Image Acquisition System for Leaf Area Index

WANXuefen1,YANGYi2,HANFang2

(1. College of Computer, North China Institute of Science and Technology, Langfang 065201, China；2. College of Information Science and Technology, Donghua University, Shanghai 201620, China)

To get the hemispherical photography of plant canopy for leaf area index, a remote hemispherical image acquisition system is presented. Based on embedded platform, low cost image sensor and fish eye lens In-fied node is presented to achieve hemispherical image of plant canopy at distance with low cost. Solar radiation and temperature/humidity data are obtained for invalid hemispherical image elimination and node maintenance too. Host computer interacts with in-field node by 3G network. The hemispherical image calibration and super resolution are used to improve canopy image quality in host computer. Test results show that the remote canopy image collection system can collect remote canopy image with lower cost and get leaf area index evaluation results with lower error.

canopy；leaf area index；hemispherical photography；super resolution

1671-0444 (2017)03-0400-07

2016-10-10

國(guó)家自然科學(xué)基金資助項(xiàng)目(11572084，71371046)；中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目(3142012051)；東華大學(xué)“勵(lì)志計(jì)劃”資助項(xiàng)目(16D21040)；廊坊市科學(xué)技術(shù)研究與發(fā)展計(jì)劃資助項(xiàng)目(2016011034)

萬(wàn)雪芬(1979—)，女，江蘇連云港人，講師，碩士，研究方向?yàn)閳D像處理及物聯(lián)網(wǎng)技術(shù).E-mail：calmerd@ncist.edu.cn 楊 義(聯(lián)系人)，男，副教授，E-mail：yiyang@dhu.edu.cn

TP 39

A