基于无人机图像分形特征的油松受灾级别判定

• 作者: 刘文萍 费运巧 陆鹏飞 骆有庆
• 来源期刊: 计算机应用研究
• 关键词: 森林病虫害 无人机图像分析 纹理特征提取 分形特征 油松受灾级别判定
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1253-1256,1268
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.04.067

摘要

利用无人机采集油松样地图像,提取图像中的单株样本树图像,计算单株样本树图像的多个纹理特征值,对纹理特征值进行灾害分级,与地面基于失叶率调查的灾害分级进行比对,探索能准确描述油松受灾情况的无人机图像纹理特征.实验结果表明,受灾油松图像的三种分形特征,即分形维数、缝隙量及维数升降因子能较好地反映油松的失叶率状况,可作为油松受灾级别的图像判定特征,同时上述分形特征也适用于整块油松样地的受灾级别判定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	骆有庆	北京林业大学林学院	268	3538	32.0	41.0
2	刘文萍	北京林业大学信息学院	27	264	9.0	15.0
3	陆鹏飞	北京林业大学林学院	19	106	7.0	9.0
4	费运巧	北京林业大学信息学院	2	22	2.0	2.0