基于UAV 摄影测量技术的森林资源清查方法研究

潘凯能

（江西省地质局地理信息工程大队，江西南昌 330001）

0 引言

森林资源是地球上最重要的自然资源之一，对维持生态平衡和保护人类福祉至关重要［1］。自然资源统一确权登记是落实国家关于生态文明建设的重大决策与部署，是践行习近平生态文明思想的有效举措。然而传统的森林资源确权方法往往存在着信息不对称、操作复杂和易受干扰等问题，使得确权过程缺乏透明性和有效性［2］。随着无人机（Unmanned Aerial Vehicle，UAV）技术的不断发展和普及，UAV 摄影测量技术为森林资源管理和确权提供了新的机遇和可能性［3-4］。该技术通过获取高分辨率遥感图像，能够全面、精确地捕捉森林资源的空间分布和特征信息，同时结合地面控制点和图像处理技术，可以提高数据的准确性和精度［5］。运用无人机倾斜摄影测量方法，通过建立测区的高精度、高分辨率三维模型，可实现在内业对地理要素的数据采集，弥补了传统测量方式的不足，具有效率高、精度高、成本低等特点。为了对彭泽县试点地区开展森林自然资源资产的清查试点工作，研究基于UAV 摄影测量技术探究一种森林资源清查方法。结合图像处理、特征提取以及数据处理技术，来提高森林资源管理的信息化水平、透明度和效率。通过研究方法的分析与验证，期望为森林资源的管理和确权提供一种创新的解决方案，并为相关研究与实践提供有价值的借鉴。

1 特征数据提取与匹配方法

1.1 UAV摄影测量数据获取

UVA 摄影测量是一种以无人飞行器为载体，通过机载摄像机采集图像，并通过专用软件对其进行处理，形成相应结果的一种软、硬件系统［6］。UVA航拍系统是一种集无人机、传感器、遥感、通信和图像信息处理为一体的新型航空摄影系统［7］。在常规测绘中，UVA 摄影测量的基本程序如图1 所示。

图1 UVA 航摄系统工作的数据获取流程图

由图1 可知，数据采集流程的首要任务是勘察测区现场，在制定航路之前，要对测区进行实地勘察，对测区的坡度、坡向、地形等进行核查，确定测区上方无障碍。工作结束后需将航摄图像与地面终端数据分别导出，检查每一张影像片的清晰度、重叠度、控制区、航位角、航高差，以及在对应影像片上设置的控制点是否可见。若数据合格，则将所得数据导出；若不合格，需要安排重新测量。

1.2 基于特征提取的UAV摄影测量图像匹配研究

常规的UVA 测绘系统的图像匹配流程为：先引入实地获取的高分辨率、高重叠度的航拍照片、POS、控制点的坐标等结果，再通过专用的后处理软件对其进行处理。UVA 航拍获得的影像处理流程如图2 所示。

图2 UVA 航摄影像处理流程

由图2 可知：首先对获得的数据进行影像匹配，以高重叠度图像为研究对象，基于其中的多重交叠，获取海量图像特征点，并通过特征点查找、特征点匹配及剔除错误匹配等方法，实现图像之间的精准查找。3D 重构包含影像匹配等，常用算法有加速分段试验（Features from Accelerated Segment Test，FAST）算法、加快稳健功能（Speed-Up Robust Features，SURF）算法、尺度不变特征转换（Scaleinvariant feature transform，FIST）算法、KAZE 4 种，FAST 算法是一种快速特征提取算法，其根据待检测图像中某像素点与周围领域内足够多的像素点处于不同状态来判断该像素点是否为特征点。SURF 算法采用Hessian 矩阵行列式近似值图像来代替SIFT 算法的DoG 图像，通过计算不同尺度上的积分图像上的Harr 小波近似值，提高了尺度空间的特征检测效率。SIFT 算法具有很好的稳定性和鲁棒性，对亮度、尺度、旋转等变换保持不变。KAZE 算法可以减少图像边缘在尺度变化过程中的信息损失，同时避免图像细节信息的丢失。加速KAZE（Accelerated-KAZE，A-KAZE）是对KZAE 的加速改进，研究基于可见光波段差异植被指数（Difference Vegetation Index in Visible light band，VDVI）对A-KAZE 算法进行改进，保留了A-KAZE中原有的图像处理方法，将图像的灰度转换为VDVI 数据，从本质上解决了森林航空摄影图像中存在的匹配错误问题。目前，基于UVA 航拍影像的森林资源清查工作中，由于低空UVA 航拍图像幅面较大，数据降采样时需将原始图像分割成几十个量级，严重影响匹配速度。因此研究提出基于定位定向系统（Positioning and Orientation System，POS）约束的UVA 森林资源摄影测量分区匹配策略。图像匹配的技术路线如图3 所示。

图3 图像匹配的技术路线

由图3 可知：将无人机中得到的POS 数据1 和POS 数据2 进行转换，采用单应矩阵进行约束，随后对应子区搜索匹配优化。无人驾驶飞行测量系统可以根据用户需求进行飞行路径规划，获取的图像分辨率更高。

2 UAV 摄影测量技术数据处理及其在森林资源清查中的应用

2.1 UAV摄影测量技术在特征提取与匹配中的对比分析

为了对比不同特征提取算法对特征点的提取效果，研究在彭泽县，应用FAST、SURF、FIST、KAZE 4 种不同的特征提取技术，对无人机拍摄的同一地区针叶林与阔叶林进行航空摄影图像的比较分析，实验结果如图4 所示。

图4 不同特征提取算法的提取数对比图

由图4 可知：在非线性尺度空间中，KAZE 特征提取的图像具有较高的匹配率，约为9%。在各种特征提取方法中，阔叶林在提取特征数目和匹配度上优于针叶林，这是由于阔叶林图像纹理更为丰富。在特征匹配速度方面，FAST 的特征提取算法是最快的，但是它的配合度很低。综上所述，在选择相同特征算法时，在阔叶林中的特征点提取数大于针叶林。特征抽取算法中，特征抽取的数目越多，对应的匹配率就越高。4 种特征匹配算法中，匹配率最高的为KAZE 算法，研究选择利用VDVI 对KAZE 算法进行改进，将改进后的特征提取算法VDVI-A-KAZE、A-KAZE 和Color-A-KAZE 进行匹配准确率对比，Color-A-KAZE 使用颜色滤波器来扩展KES 滤波器，从而在颜色空间中检测和提取特征，可以更准确地匹配具有相似强度但不同颜色的特征。实验结果如图5 所示。

图5 改进前后的特征提取算法匹配准确率对比

由图5 可知：VDVI-KAZE、A-KAZE、Color-AKAZE 3 种算法在匹配耗时、平均准确率和平均召回率的对比中，VDVI-A-KAZE 特征匹配方法在匹配时间上耗时较久，但是在平均召回率和平均正确率中的优越性较为显著，表明VDVI-A-KAZE 特征匹配算法在UAV 森林资源调查航摄影像中，无论是在特征提取上还是在特征描述上，都优于AKAZE、Color-A-KAZE 算法。在针叶林中，VDVIA-KAZE 特征匹配算法的平均匹配耗时最短，其平均准确率也最高，表明其是一种高精度和高效率的特征提取算法，在实际应用中将会具有较好的应用效果。

2.2 无人机森林资源摄影测量技术在影像分区中的实验分析

江西省九江市彭泽县全民所有森林资源中总面积为5938.910 8 hm2，蓄积合计为99.8481 hm2。其中林地为5700.3689 hm2、乔木林地5268.0125 hm2、竹林地432.3564 hm2、灌木林地421.7389 hm2、其他林地249.1593 hm2。为了对江西省九江市彭泽县试点地区开展森林自然资源资产的清查试点工作，并根据UVA 低空航拍图像对阔叶林与针叶林的匹配效果进行了全面研究，需要收集彭泽县试点地区的森林资源数据，包括森林分布、树种类型、面积等信息，旨在通过对该地区的森林资源进行产权界定，确定其权利主体及其职责，从而使自然资源的合理利用与保护得到更好的保障。研究以彭泽县中乔木区域的阔叶林和针叶林为例，使用同样的飞行参数与设备，分别航拍获得1368 张影像照片，采用同样的处理器与6 种常用的特征算法，进行普通策略和研究提出的策略的对比。分别是ORB、FAST、SURF、SIFT、KAZE、AKAZE 6 种特征算法。其中将每个图像对的平均时间倒数归一化，得到匹配速度；匹配率是每个图像对中的平均匹配成功率与特征抽取的平均值之比；在符合点数小于8 的情况下，该子区发生概率=SUM（8 个不同的子区频率）/（像素对数×5）。

图6 （a）中，在两种策略下，KAZE 与A-KAZE两种操作方式均比SURF 及SIFT 操作更为有效。综合图6（a）、（b）、（c）三图比较看出，ORB 和FAST虽然具有很好的匹配速度，但是在特征抽取数量和匹配率两个指标上却很不理想。从图6（b）可以看出，FAST 特征提取的特征点数目在两种策略中都是最多的，但图6（c）可以看出其匹配率却是最低的。与通常的方法相比，研究提出的方法在6 个特性操作符上都能得到较好的效果，而且每个特征点的抽取数量都会降低，而匹配率都有了很大的改善，有效地提高了图像的匹配准确率。图6（c）中，在特征匹配率上，A-KAZE 和针叶策略的匹配率都是最高的。实验结果如表1 所示。

图6 不同特征算法的匹配速度、提取数与匹配率的对比分析

表1 中，与常规算法相比，该算法所设计的6个特征算子，在匹配速度、匹配效率、匹配精度上分别提高了15.21%、0.89%和3.63%。

3 结语

测绘UVA 处理森林确权问题存在数据处理不够快速、精确的问题，为此，研究结合图像处理、特征提取以及数据处理技术，来提高森林资源管理的透明度和效率。采用VDVI 对A-KAZE 算法进行改进，在特征提取方面，保留了A-KAZE 中原有的图像处理方法，不同之处在于将图像的灰度转换为VDVI 数据。通过对图像进行特征点提取，来消除阴影等影响。实验表明：在收集彭泽县试点地区的森林资源数据与进行特征匹配时，与常规算法相比，使用分割匹配算法得到的6 个特征算子的匹配速度提升了15.21%、匹配效率提升了0.89%，平均位置分布质量及匹配精度提升了3.63%。但研究中仍存在不足之处，例如与森林资源相关的软件业务较少，在未来应进行更多的研究。