潘凱能

（江西省地質(zhì)局地理信息工程大隊(duì)，江西南昌 330001）

0 引言

森林資源是地球上最重要的自然資源之一，對維持生態(tài)平衡和保護(hù)人類福祉至關(guān)重要［1］。自然資源統(tǒng)一確權(quán)登記是落實(shí)國家關(guān)于生態(tài)文明建設(shè)的重大決策與部署，是踐行習(xí)近平生態(tài)文明思想的有效舉措。然而傳統(tǒng)的森林資源確權(quán)方法往往存在著信息不對稱、操作復(fù)雜和易受干擾等問題，使得確權(quán)過程缺乏透明性和有效性［2］。隨著無人機(jī)（Unmanned Aerial Vehicle，UAV）技術(shù)的不斷發(fā)展和普及，UAV 攝影測量技術(shù)為森林資源管理和確權(quán)提供了新的機(jī)遇和可能性［3-4］。該技術(shù)通過獲取高分辨率遙感圖像，能夠全面、精確地捕捉森林資源的空間分布和特征信息，同時(shí)結(jié)合地面控制點(diǎn)和圖像處理技術(shù)，可以提高數(shù)據(jù)的準(zhǔn)確性和精度［5］。運(yùn)用無人機(jī)傾斜攝影測量方法，通過建立測區(qū)的高精度、高分辨率三維模型，可實(shí)現(xiàn)在內(nèi)業(yè)對地理要素的數(shù)據(jù)采集，彌補(bǔ)了傳統(tǒng)測量方式的不足，具有效率高、精度高、成本低等特點(diǎn)。為了對彭澤縣試點(diǎn)地區(qū)開展森林自然資源資產(chǎn)的清查試點(diǎn)工作，研究基于UAV 攝影測量技術(shù)探究一種森林資源清查方法。結(jié)合圖像處理、特征提取以及數(shù)據(jù)處理技術(shù)，來提高森林資源管理的信息化水平、透明度和效率。通過研究方法的分析與驗(yàn)證，期望為森林資源的管理和確權(quán)提供一種創(chuàng)新的解決方案，并為相關(guān)研究與實(shí)踐提供有價(jià)值的借鑒。

1 特征數(shù)據(jù)提取與匹配方法

1.1 UAV攝影測量數(shù)據(jù)獲取

UVA 攝影測量是一種以無人飛行器為載體，通過機(jī)載攝像機(jī)采集圖像，并通過專用軟件對其進(jìn)行處理，形成相應(yīng)結(jié)果的一種軟、硬件系統(tǒng)［6］。UVA航拍系統(tǒng)是一種集無人機(jī)、傳感器、遙感、通信和圖像信息處理為一體的新型航空攝影系統(tǒng)［7］。在常規(guī)測繪中，UVA 攝影測量的基本程序如圖1 所示。

圖1 UVA 航攝系統(tǒng)工作的數(shù)據(jù)獲取流程圖

由圖1 可知，數(shù)據(jù)采集流程的首要任務(wù)是勘察測區(qū)現(xiàn)場，在制定航路之前，要對測區(qū)進(jìn)行實(shí)地勘察，對測區(qū)的坡度、坡向、地形等進(jìn)行核查，確定測區(qū)上方無障礙。工作結(jié)束后需將航攝圖像與地面終端數(shù)據(jù)分別導(dǎo)出，檢查每一張影像片的清晰度、重疊度、控制區(qū)、航位角、航高差，以及在對應(yīng)影像片上設(shè)置的控制點(diǎn)是否可見。若數(shù)據(jù)合格，則將所得數(shù)據(jù)導(dǎo)出；若不合格，需要安排重新測量。

1.2 基于特征提取的UAV攝影測量圖像匹配研究

常規(guī)的UVA 測繪系統(tǒng)的圖像匹配流程為：先引入實(shí)地獲取的高分辨率、高重疊度的航拍照片、POS、控制點(diǎn)的坐標(biāo)等結(jié)果，再通過專用的后處理軟件對其進(jìn)行處理。UVA 航拍獲得的影像處理流程如圖2 所示。

圖2 UVA 航攝影像處理流程

由圖2 可知：首先對獲得的數(shù)據(jù)進(jìn)行影像匹配，以高重疊度圖像為研究對象，基于其中的多重交疊，獲取海量圖像特征點(diǎn)，并通過特征點(diǎn)查找、特征點(diǎn)匹配及剔除錯(cuò)誤匹配等方法，實(shí)現(xiàn)圖像之間的精準(zhǔn)查找。3D 重構(gòu)包含影像匹配等，常用算法有加速分段試驗(yàn)（Features from Accelerated Segment Test，F(xiàn)AST）算法、加快穩(wěn)健功能（Speed-Up Robust Features，SURF）算法、尺度不變特征轉(zhuǎn)換（Scaleinvariant feature transform，F(xiàn)IST）算法、KAZE 4 種，F(xiàn)AST 算法是一種快速特征提取算法，其根據(jù)待檢測圖像中某像素點(diǎn)與周圍領(lǐng)域內(nèi)足夠多的像素點(diǎn)處于不同狀態(tài)來判斷該像素點(diǎn)是否為特征點(diǎn)。SURF 算法采用Hessian 矩陣行列式近似值圖像來代替SIFT 算法的DoG 圖像，通過計(jì)算不同尺度上的積分圖像上的Harr 小波近似值，提高了尺度空間的特征檢測效率。SIFT 算法具有很好的穩(wěn)定性和魯棒性，對亮度、尺度、旋轉(zhuǎn)等變換保持不變。KAZE 算法可以減少圖像邊緣在尺度變化過程中的信息損失，同時(shí)避免圖像細(xì)節(jié)信息的丟失。加速KAZE（Accelerated-KAZE，A-KAZE）是對KZAE 的加速改進(jìn)，研究基于可見光波段差異植被指數(shù)（Difference Vegetation Index in Visible light band，VDVI）對A-KAZE 算法進(jìn)行改進(jìn)，保留了A-KAZE中原有的圖像處理方法，將圖像的灰度轉(zhuǎn)換為VDVI 數(shù)據(jù)，從本質(zhì)上解決了森林航空攝影圖像中存在的匹配錯(cuò)誤問題。目前，基于UVA 航拍影像的森林資源清查工作中，由于低空UVA 航拍圖像幅面較大，數(shù)據(jù)降采樣時(shí)需將原始圖像分割成幾十個(gè)量級，嚴(yán)重影響匹配速度。因此研究提出基于定位定向系統(tǒng)（Positioning and Orientation System，POS）約束的UVA 森林資源攝影測量分區(qū)匹配策略。圖像匹配的技術(shù)路線如圖3 所示。

圖3 圖像匹配的技術(shù)路線

由圖3 可知：將無人機(jī)中得到的POS 數(shù)據(jù)1 和POS 數(shù)據(jù)2 進(jìn)行轉(zhuǎn)換，采用單應(yīng)矩陣進(jìn)行約束，隨后對應(yīng)子區(qū)搜索匹配優(yōu)化。無人駕駛飛行測量系統(tǒng)可以根據(jù)用戶需求進(jìn)行飛行路徑規(guī)劃，獲取的圖像分辨率更高。

2 UAV 攝影測量技術(shù)數(shù)據(jù)處理及其在森林資源清查中的應(yīng)用

2.1 UAV攝影測量技術(shù)在特征提取與匹配中的對比分析

為了對比不同特征提取算法對特征點(diǎn)的提取效果，研究在彭澤縣，應(yīng)用FAST、SURF、FIST、KAZE 4 種不同的特征提取技術(shù)，對無人機(jī)拍攝的同一地區(qū)針葉林與闊葉林進(jìn)行航空攝影圖像的比較分析，實(shí)驗(yàn)結(jié)果如圖4 所示。

圖4 不同特征提取算法的提取數(shù)對比圖

由圖4 可知：在非線性尺度空間中，KAZE 特征提取的圖像具有較高的匹配率，約為9%。在各種特征提取方法中，闊葉林在提取特征數(shù)目和匹配度上優(yōu)于針葉林，這是由于闊葉林圖像紋理更為豐富。在特征匹配速度方面，F(xiàn)AST 的特征提取算法是最快的，但是它的配合度很低。綜上所述，在選擇相同特征算法時(shí)，在闊葉林中的特征點(diǎn)提取數(shù)大于針葉林。特征抽取算法中，特征抽取的數(shù)目越多，對應(yīng)的匹配率就越高。4 種特征匹配算法中，匹配率最高的為KAZE 算法，研究選擇利用VDVI 對KAZE 算法進(jìn)行改進(jìn)，將改進(jìn)后的特征提取算法VDVI-A-KAZE、A-KAZE 和Color-A-KAZE 進(jìn)行匹配準(zhǔn)確率對比，Color-A-KAZE 使用顏色濾波器來擴(kuò)展KES 濾波器，從而在顏色空間中檢測和提取特征，可以更準(zhǔn)確地匹配具有相似強(qiáng)度但不同顏色的特征。實(shí)驗(yàn)結(jié)果如圖5 所示。

圖5 改進(jìn)前后的特征提取算法匹配準(zhǔn)確率對比

由圖5 可知：VDVI-KAZE、A-KAZE、Color-AKAZE 3 種算法在匹配耗時(shí)、平均準(zhǔn)確率和平均召回率的對比中，VDVI-A-KAZE 特征匹配方法在匹配時(shí)間上耗時(shí)較久，但是在平均召回率和平均正確率中的優(yōu)越性較為顯著，表明VDVI-A-KAZE 特征匹配算法在UAV 森林資源調(diào)查航攝影像中，無論是在特征提取上還是在特征描述上，都優(yōu)于AKAZE、Color-A-KAZE 算法。在針葉林中，VDVIA-KAZE 特征匹配算法的平均匹配耗時(shí)最短，其平均準(zhǔn)確率也最高，表明其是一種高精度和高效率的特征提取算法，在實(shí)際應(yīng)用中將會(huì)具有較好的應(yīng)用效果。

2.2 無人機(jī)森林資源攝影測量技術(shù)在影像分區(qū)中的實(shí)驗(yàn)分析

江西省九江市彭澤縣全民所有森林資源中總面積為5938.910 8 hm2，蓄積合計(jì)為99.8481 hm2。其中林地為5700.3689 hm2、喬木林地5268.0125 hm2、竹林地432.3564 hm2、灌木林地421.7389 hm2、其他林地249.1593 hm2。為了對江西省九江市彭澤縣試點(diǎn)地區(qū)開展森林自然資源資產(chǎn)的清查試點(diǎn)工作，并根據(jù)UVA 低空航拍圖像對闊葉林與針葉林的匹配效果進(jìn)行了全面研究，需要收集彭澤縣試點(diǎn)地區(qū)的森林資源數(shù)據(jù)，包括森林分布、樹種類型、面積等信息，旨在通過對該地區(qū)的森林資源進(jìn)行產(chǎn)權(quán)界定，確定其權(quán)利主體及其職責(zé)，從而使自然資源的合理利用與保護(hù)得到更好的保障。研究以彭澤縣中喬木區(qū)域的闊葉林和針葉林為例，使用同樣的飛行參數(shù)與設(shè)備，分別航拍獲得1368 張影像照片，采用同樣的處理器與6 種常用的特征算法，進(jìn)行普通策略和研究提出的策略的對比。分別是ORB、FAST、SURF、SIFT、KAZE、AKAZE 6 種特征算法。其中將每個(gè)圖像對的平均時(shí)間倒數(shù)歸一化，得到匹配速度；匹配率是每個(gè)圖像對中的平均匹配成功率與特征抽取的平均值之比；在符合點(diǎn)數(shù)小于8 的情況下，該子區(qū)發(fā)生概率=SUM（8 個(gè)不同的子區(qū)頻率）/（像素對數(shù)×5）。

圖6 （a）中，在兩種策略下，KAZE 與A-KAZE兩種操作方式均比SURF 及SIFT 操作更為有效。綜合圖6（a）、（b）、（c）三圖比較看出，ORB 和FAST雖然具有很好的匹配速度，但是在特征抽取數(shù)量和匹配率兩個(gè)指標(biāo)上卻很不理想。從圖6（b）可以看出，F(xiàn)AST 特征提取的特征點(diǎn)數(shù)目在兩種策略中都是最多的，但圖6（c）可以看出其匹配率卻是最低的。與通常的方法相比，研究提出的方法在6 個(gè)特性操作符上都能得到較好的效果，而且每個(gè)特征點(diǎn)的抽取數(shù)量都會(huì)降低，而匹配率都有了很大的改善，有效地提高了圖像的匹配準(zhǔn)確率。圖6（c）中，在特征匹配率上，A-KAZE 和針葉策略的匹配率都是最高的。實(shí)驗(yàn)結(jié)果如表1 所示。

圖6 不同特征算法的匹配速度、提取數(shù)與匹配率的對比分析

表1 中，與常規(guī)算法相比，該算法所設(shè)計(jì)的6個(gè)特征算子，在匹配速度、匹配效率、匹配精度上分別提高了15.21%、0.89%和3.63%。

3 結(jié)語

測繪UVA 處理森林確權(quán)問題存在數(shù)據(jù)處理不夠快速、精確的問題，為此，研究結(jié)合圖像處理、特征提取以及數(shù)據(jù)處理技術(shù)，來提高森林資源管理的透明度和效率。采用VDVI 對A-KAZE 算法進(jìn)行改進(jìn)，在特征提取方面，保留了A-KAZE 中原有的圖像處理方法，不同之處在于將圖像的灰度轉(zhuǎn)換為VDVI 數(shù)據(jù)。通過對圖像進(jìn)行特征點(diǎn)提取，來消除陰影等影響。實(shí)驗(yàn)表明：在收集彭澤縣試點(diǎn)地區(qū)的森林資源數(shù)據(jù)與進(jìn)行特征匹配時(shí)，與常規(guī)算法相比，使用分割匹配算法得到的6 個(gè)特征算子的匹配速度提升了15.21%、匹配效率提升了0.89%，平均位置分布質(zhì)量及匹配精度提升了3.63%。但研究中仍存在不足之處，例如與森林資源相關(guān)的軟件業(yè)務(wù)較少，在未來應(yīng)進(jìn)行更多的研究。