全 文 ：　　1996—11—15收稿。
王福贵研实员,吴坚,高树(中国林业科学研究院森林保护研究所　北京　100091)。
* 本项研究为国家“八五”科技攻关项目“松毛虫虫情监测、预测预报及系统管理研究”及 1994～1997年中美农业科技
合作项目的部分内容。本项研究得到广西区林业厅森防站、南宁市森防站、武鸣县森防站以及广西体委航空运动学校的大力
支持;中国林科院资源信息所武红敢副研究员在图像处理技术方面给予指导和帮助。在此谨表谢意。
松毛虫灾害点的航空录像
图像判别和定位研究*
王福贵　吴　坚　高　树
　　摘要　本文从图像抓取、图像拼接、正射影准备、图像校正、图像增强五个方面进行了航空录像
图像处理技术的研究, 提高了图像处理的效率和准确性。通过选取明显地面标志作为地面控制点,
用二次变换校正图像和运用两种方法调整图像象元灰度值的空间分布以增强灾害区的图像信息,
初步实现了马尾松毛虫灾害点的准确定位和不同灾害程度的判别。
　　关键词　松毛虫　航空录像　图像处理　灾害点判别　定位
　　航空录像技术是监测森林病虫害的遥感技术, 美国 80年代末期初步开发成功, 并在 1994
年开始与中国合作研究和发展。此项技术能够为评估虫灾状态及确定和监测灾害区域提供近
实时信息, 近年来, 在美国已用于高山松小蠹 Dendroctonus p onder osae Hopkins和舞毒蛾 Ly-
mantria dispar Linnaeus 等多种森林病虫害的监测和评价[ 1, 2]。我国已将此技术用于马尾松毛
虫( Dendrolimus punctatus Walker )的监测[ 3]。应用航空录像技术监测森林病虫害有两种方法,
一是直接观察录像带, 二是观察处理后的图像。本文在研究航空录像图像处理基础上,进行了
松毛虫灾害点的精确定位和灾害程度的判别研究。
1　试验概况
　　试验地位于广西壮族自治区武鸣县二塘圩乡、国营武鸣华侨农场和锣圩镇,属小丘陵马尾
松 P inus massoniana Lamb.纯林区, 平均海拔 140 m。
1. 1　航空录像的获取
航空录像获取系统主要包括海燕 650B动力轻型滑翔机, 摄像机,录像机, 监视器和 GPS
设备。本次试验飞行航线幅宽为800、600、400、200 m;离地高度分别为 1 194、890、597、299 m;
航速为 95 km/ h。航线在三块试验地的覆盖面积分别为 544、280、170 hm2。
1. 2　航空录像图像的处理
1. 2. 1　硬件　装有T ARGA+ 16/ 32图像捕捉卡的PENTIUM 80586计算机( 133兆赫主频,
16兆内存, 2GB硬盘)。两台 17寸彩色显示器,可读写光盘机, 彩色扫描仪,彩色喷黑打印机。
1. 2. 2　软件　美国 M icr oImage 公司开发的商业化通用图像处理软件系统 MIPS( M ap and
Image Processing System) ,现用的 3. 3版本在 DOS 环境下运行, 包括图像变换、图像恢复、图
林业科学研究　1997, 10( 3) : 270～276
Forest Research 　　 　
像增强、图像分类等 300多个功能。
2　处理方法与结果分析
2. 1　图像处理
获取的图像经过抓取、拼接、校正和增强四个过程处理后用于判别松林的受害程度和确定
受害松林或单株的位置。
2. 1. 1　图像的自动抓取　图像抓取是利用 M IPS 软件和图像捕捉卡( Targ a+ 卡)将录像图像
数字化,存储为RVF 栅格格式文件。表1列出了 4种飞行参数下获取的图像的自动抓取参数。
由于抓取的单幅画面要两两拼接成一整条航线,所以抓取的相邻两幅图像间需要有 25%～
30%画面长度的重叠, 以便提供宽裕区域确定关系点拼接画面,图像抓取的间隔时间决定每幅
画面的重叠量,表 1中所列的抓取间隔时间得到的画面重叠量为25%。实际抓取时,可根据每
幅图像经过显示器的时间及所要求的重叠量来调整图像抓取的间隔时间。图像的自动抓取比
原来的手动抓取[ 4]提高效率 80%以上。
表 1　4 种图像的飞行参数及自动抓取参数
幅宽
(m )
分辩率
( m )
航程
( km)
飞行时间
( min)
航速
( km/ h)
每幅图像经过显
示器时间( s)
图像抓取间隔
时间( s )
总计抓取的单幅
图像数量
(幅)
800 2. 01 4 2. 5 95 17 14 11
600 1. 51 4 2. 5 95 15 11 14
400 1. 01 4 2. 5 95 9 8 19
200 0. 5 4 2. 5 95 5 4 38
　　
指抓取全部航线获取的单幅画面的总数。
2. 1. 2　图像的拼接　图像拼接是将抓取的画面通过两组关系点两两拼接成一幅图像,即拼成
一整条航线, 寻找关系点是拼接的关键。经试验,用 M IPS 的自动功能即图像的自相关特点辅
助寻找、定位关系点,可确定位于激活图像上关系点的位置。在用自相关功能之前,激活图像上
的十字丝应在关系点的附近。借助图像的自相关特点拼接图像比以前的全手动方式[ 4]提高效
率约 40%。
2. 1. 3　正射影的准备　为了将航空录像制成 1∶10 000比例的地图及校正图像和检验图像
校正的精度, 需要一个中间的数字化产品即正射影。本次研究将扫描的栅格正射影分三步转化
为矢量正射影。即首先将地形扫描为栅格格式的正射影。扫描时分辩率选择 300 BPI;对比度
选择设置阈值项,一般选默认值 100;扫描文件存储时选择RVF 单一栅格格式。再利用自动追
踪( AUT O-T RA CE)过程自动快速地将栅格正射影上的线条等可作为地面控制点及检验图像
校正结果的地面特征转化为矢量对象。自动追踪时,对非连续的线条可跳过间断空隙,在一条
线的末端和交叉处可停下来,选择不同的继续方式; 追踪完所有需要的地面特征后, 就可以矢
量格式存储为文件。最后, 在矢量正射影上均匀选取至少 4个地面特征明显的点,输入这些点
的经纬度,登记矢量正射影。
2. 1. 4　图像的校正　图像获取时,由于飞机姿态(侧滚、俯仰、偏航)、高度、速度、地球自转等
因素而造成图像相对于地面目标发生挤压, 扭曲、伸展和偏移等等 [ 5] , 须选取地面控制点进行
校正。
2. 1. 4. 1　利用明显地面特征作为地面控制点校正图像　相对于矢量正射影,研究选取二塘圩
2713 期　　　　　　　　王福贵等: 松毛虫灾害点的航空录像图像判别和定位研究
乡幅宽为600 m 和800 m 的航线图像, 至少选取 6个地面特征明显的点作为地面控制点,利用
二次变换进行图像校正。在校正后的图像上均匀选取地面特征明显的 18个点,测量出这些点
在地图上的经纬度和校正后图像上的经纬度,结果见表 2。从经纬度的差值可知: 18个点中 10
个点的经纬度与实际结果相等, 其它 8个点仅在经度或纬度一个方向上有差异,有 6个点的值
差为 1″,有 2个点的值差为 2 ″, 纬度差平均值为 0. 22 ″, 经度差平均值为 0. 22 ″。可以认为这
种校正方法在林区缺少地面控制点的情况下能够达到生产要求,校正效果好。另外,通过叠加
矢量正射影到校正后的图像上, 可直观、清楚地看到两者主要特征轮廓吻合情况。
表 2　利用明显地面特征作为地面控制点校正图像的结果 (单位: ″)　　
地点 地图 图像 地图—图像纬度 经度 纬度 经度 纬度 经度 地点
地图 图像 地图—图像
纬度 经度 纬度 经度 纬度 经度
1 23 5 23 5 0 0 10 12 39 12 39 0 0
2 6 51 6 51 0 0 11 24 33 24 34 0 - 1
3 54 50 54 50 0 0 12 7 53 9 53 - 2 0
4 58 57 58 57 0 0 13 21 59 21 59 0 0
5 47 8 47 8 0 0 14 9 5 9 5 0 0
6 49 59 49 58 0 1 15 60 58 60 57 0 1
7 58 19 59 19 - 1 0 16 59 47 60 47 - 1 0
8 56 11 56 9 0 2 17 13 10 13 10 0 0
9 15 23 15 24 0 - 1 18 18 16 18 16 0 0
　　注:各点经纬度的度值、分值相等,故删去,仅比较秒值。
2. 1. 4. 2　利用每幅画面中心作为地面控制点校正图像及误差分析　图像校正的关键是相对
于正射影在图像上选取地面控制点, 可是在大面积纯林区的图像上很难找到控制点,从而限制
了灾害区的精确定位。相对于每幅画面上叠加的 GPS经纬度在矢量正射影上对应的点,利用
每幅画面中心作为控制点是解决这一问题的唯一途径。在没有GPS 基站和飞机姿态仪的情况
下,本次试验假设每幅画面上的 GPS 经纬度所对应的点就是画面中心,将每幅画面的中心作
为地面控制点校正图像, 分析校正结果的误差, 评价没有基站和飞机姿态仪情况下, 相对于
GPS 经纬度在正射影上确定的点, 能否运用每幅画面中心作为地面控制点。为此,本次试验选
用二塘圩乡幅宽为 800 m 和 600 m 的 4条航线进行校正分析。
标记拼接成整条航线的每幅画面中心, 记录叠加在每幅画面上的 GPS 经纬度, 结果见表
3。以表 3中 GPS 值在矢量正射影上确定的点,以图像上每幅画面中心作为地面控制点,进行
图像校正。测定图像上地面特征明显的点的经纬度,并与这些点在地图上的经纬度相比较,结
果见表 4,可知:地图与图像间纬度之差最大值为 11 ″,平均值为 4. 41 ″, 经度之差最大值为
10 ″, 平均值为 3. 89″。与表 2中经纬度差值平均值为 0. 22″相比, 可知用这种方法校正图像误
差太大,所以不能用这种方法进行图像的校正和灾害点的精确定位。
为了分析这种方法校正图像产生的误差原因,在图像上相对于栅格正射影选取地面特征
明显的点作为地面控制点来校正图像,记录每幅画面中心的准确经纬度。计算这些点的经纬度
实际值与GPS 值之差, 结果见表 3。可知: GPS值与图像值经度之差最大值为 0. 48 ′即 28. 8 ″,
最小值为 0,纬度差最大值为 0. 32 ′即 19. 2 ″,最小值为 0。造成这种误差的原因有两点,一是
GPS 数据没有基站校正,二是由于飞机的飞行姿态即前倾、前仰、右倾、左倾造成的。在GPS 测
量中影响测量精度的误差主要与 GPS 卫星、信号传播、接收设备有关 [ 5]。在一条航线飞行过程
272 林 业 科 学 研 究　　　　　　　　　　　　　　　10 卷
图 1　利用每幅画面中心作为地面控制点校正幅宽 600 m
(左)和 800 m (右)图像后的误差
中,飞行时间很短, GPS 数据造成的误差可
以认为是系统误差,误差结果应该比较一致。
实际上,经纬度值之差相异比较显著。因此,
可以认为飞机姿态是造成这种误差的主要原
因。根据表中数据得出了飞机经过每幅画面
中心上空时的姿态, 前仰右倾的姿态占绝大
多数。图 1直观显示了飞机航迹和得到的图
像每幅画面的中心位置,从图 1更易看出飞
机姿态。因此,必须用飞机姿态仪和 GPS 基
表 3　利用每幅画面中心作为地面控制点校正图像后的误差分析 (单位: ′)　　
GPS值 图像值 图像—GPS 飞机姿态 GPS 值 图像值 图像—GPS 飞机姿态
经度 纬度 经度 纬度 经度 纬度 前后　左右 经度 纬度 经度 纬度 经度 纬度 前后　左右
17. 82 21. 94 17. 87 21. 98 0. 05 0. 04 前仰　右倾 18. 39 21. 97 18. 28 21. 93 - 0. 11 - 0. 04 前仰　右倾
17. 97 22. 01 18. 03 22. 05 0. 06 0. 04 前仰　右倾 18. 20 21. 90 18. 10 21. 88 - 0. 10 - 0. 02 前仰　右倾
18. 07 22. 06 18. 12 22. 12 0. 05 0. 06 前仰　右倾 17. 94 21. 73 17. 95 21. 80 0. 01 0. 07 前仰　右倾
18. 16 22. 11 18. 25 22. 17 0. 09 0. 06 前仰　右倾 18. 12 21. 81 18. 17 21. 87 0. 05 0. 06 前仰　右倾
18. 29 22. 16 18. 35 22. 20 0. 06 0. 04 前仰　右倾 18. 38 21. 90 18. 42 21. 93 0. 04 0. 03 前仰　右倾
18. 39 22. 20 18. 48 22. 25 0. 09 0. 05 前仰　右倾 18. 58 21. 99 18. 57 22. 07 - 0. 01 0. 08 前倾　右倾
18. 58 22. 28 18. 63 22. 32 0. 05 0. 04 前仰　右倾 18. 78 22. 09 18. 78 22. 17 0. 00 0. 08 平飞　右倾
18. 68 22. 32 18. 76 22. 40 0. 08 0. 08 前仰　右倾 18. 98 22. 21 18. 98 22. 27 0. 00 0. 06 平飞　右倾
18. 60 22. 38 18. 88 22. 45 0. 28 0. 07 前仰　右倾 19. 04 22. 62 18. 56 22. 30 - 0. 48 - 0. 32 前仰　右倾
19. 10 22. 29 19. 02 22. 27 - 0. 08 - 0. 02 前仰　右倾 18. 81 22. 53 18. 43 22. 27 - 0. 38 - 0. 26 前仰　右倾
19. 04 22. 26 18. 92 22. 27 - 0. 12 0. 01 前仰　左倾 18. 61 22. 44 18. 32 22. 26 - 0. 29 - 0. 18 前仰　右倾
18. 90 22. 22 18. 77 22. 22 - 0. 13 0. 00 前仰　平飞 18. 42 22. 34 18. 20 22. 18 - 0. 22 - 0. 16 前仰　右倾
18. 74 22. 13 18. 65 22. 12 - 0. 09 - 0. 01 前仰　右倾 18. 23 22. 25 18. 08 22. 15 - 0. 15 - 0. 10 前仰　右倾
18. 59 22. 06 18. 52 22. 08 - 0. 07 0. 02 前仰　左倾 18. 04 22. 16 17. 58 22. 09 - 0. 46 - 0. 07 前仰　右倾
18. 46 22. 00 18. 20 21. 98 - 0. 26 - 0. 02 前仰　右倾 17. 88 22. 12 17. 49 22. 07 - 0. 39 - 0. 05 前仰　右倾
　　注:每幅画面中心的度值相等,故仅比较分值。
表 4　利用每幅画面中心作为地面控制点校正图像的结果 (单位: ″)　　
航线
幅宽
地图 图像 地图—图
纬度 经度 纬度 经度 纬度 经度
航线
幅宽
地图 图像 地图—图
纬度 经度 纬度 经度 纬度 经度
航线
幅宽
地图 图像 地图—图
纬度 经度 纬度 经度 纬度 经度
600 47 8 50 18 - 3 - 10 600 24 33 15 28 9 5 800 21 59 13 60 8 - 1
600 18 16 18 20 0 - 4 600 21 59 23 50 - 2 9 800 7 37 2 38 5 - 1
600 58 19 59 25 - 1 - 6 600 13 10 5 7 8 3 800 58 19 53 18 5 1
600 9 5 15 3 - 6 2 600 18 16 8 13 10 3 800 23 5 18 11 5 - 6
600 56 11 55 18 1 - 7 800 47 8 46 4 1 4 800 6 51 6 53 0 - 2
600 12 39 10 48 2 - 9 800 54 50 44 51 10 - 1 800 54 50 59 49 - 5 1
600 21 59 18 67 3 - 8 800 49 59 44 57 5 2 800 58 57 63 57 - 5 0
600 7 37 8 45 - 1 - 8 800 9 5 11 3 - 2 2 800 15 23 18 28 - 3 - 5
600 6 51 - 3 50 9 1 800 59 47 61 43 - 2 4 800 24 33 26 39 - 2 - 6
600 58 57 58 53 0 4 800 56 11 49 9 7 2 800 21 59 31 62 - 10 - 3
600 15 23 10 19 5 4 800 12 39 4 39 8 0 800 13 10 14 14 - 1 - 4
600 12 39 15 31 - 3 8 800 7 53 6 51 1 2 800 58 57 47 59 11 - 2
　　注:各点经纬度度值、分值相等,故仅比较秒值。
2733 期　　　　　　　　王福贵等: 松毛虫灾害点的航空录像图像判别和定位研究
站进行数据的前期校正,然后再利用图像中心作为地面控制点进行图像校正,达到灾害点的准
确定位。两者中姿态仪更加重要。
2. 1. 5　图像的增强处理(单点处理)　就是
利用某种数学模式直接改变象元灰度值的空
间分布,即改变图像的对比度,以突出或抑制
图像中的某些信息[ 6]。进行图像增强处理后
可使松林受灾区域及不同受害程度明显地显
示出来。通过分析三块试验林地阴天得到的
分辩率为1. 51、1. 01、0. 50 m 的图像, 选出
表 5　两组图像增强方式参数
方式 颜色 图像增强方法 直方图输出方向
拉伸
上限
拉伸
下限
红色 直方图均衡化 正常 170 1
1 绿色 灰度线性拉伸 正常 255 1
蓝色 灰度线性拉伸 正常 255 1
红色 直方图均衡化 反转 255 137
2 绿色 直方图均衡化 正常 180 1
蓝色 灰度线性拉伸 反转 255 1
了两组图像增强方式, 如表 5。用这两种方式进行图像的增强处理可得到理想的效果。
2. 2　松毛虫灾害点的判别和定位
2. 2. 1　松毛虫灾害点的判别　根据表 5中的第一种方式处理图像后,健康松林的绿色加深,
变成蓝绿色,灾害严重的区域变成棕黄色,随着灾害程度的减轻,受害林分由很淡的蓝色向健
康林分的蓝绿色过度, 星点状分布在棕黄色的区域中。第二种方式处理图像后,健康松林及林
中草地变成红色, 受害重的松林变成黄绿色,受害轻的林分变成淡黄色。灾害重的松林指失叶
率 90%以上,灾害轻的松林指失叶率 50%以上。第一种方法处理图像后,受灾区域的颜色界限
明显,代表不同受害程度的颜色层次分明, 好于第二种处理方法。
2. 2. 2　松毛虫灾害点的定位　从处理后的图像上能够知道每一点的经纬度,达到灾害区的准
确定位。本次试验中,在武鸣县的二塘圩,国营武鸣华桥农场和锣圩镇三处发现了被害区,受灾
严重的松林面积很大。表6列出了幅宽为 600 m 的二塘圩林区图像上定位灾害区的 14个主要
点的经纬度和在图像上对应的行列值,图 2显示了危害现状及定位点的空间分布。危害程度可
分三级, 1, 2, 3, 4, 5, 12, 13这 7个点所围成的区域受灾最重,失叶率在 90%以上(图2A )。1, 2,
图 2　二塘圩危害区灾害等级及主要定位点的空
间分布(纬度 22°22′,经度 108°18′)
3, 4, 5, 6, 14这 7个点及 7, 10, 11, 12这 4个点围成的两个区域受灾较轻, 失叶率在 75%以上
(图 2B)。8, 9, 10, 7, 12, 5, 6这 7个点所围成的区域受害轻,失叶率在 50%以上(图 2C)。经与
地面调查结果相比,处理后的结果与地面调查结果一致。
　　表 6　二塘圩危害区 14个主要定位点的经纬度
点号 列 行 纬度(″) 经度(″)
1 1856 999 4 43
2 1952 989 4 45
3 2010 911 6 47
4 1988 871 8 46
5 2066 839 8 49
6 1954 775 10 45
7 2086 767 10 49
8 1950 713 12 45
9 2032 693 12 48
10 2110 713 12 50
11 2152 821 9 51
12 2116 895 7 50
13 1922 1099 1 45
14 1922 849 8 44
　　　　　注:纬度 22°22′,经度 108°18′。
274 林 业 科 学 研 究　　　　　　　　　　　　　　　10 卷
3　结　　论
　　航空录像图像处理技术中,实现了图像的自动抓取,提高工作效率 80%以上。图像拼接
时,运用图像的自相关特点辅助定位关系点,提高了图像拼接的时效。通过三个步骤,将扫描的
栅格正射影转换为矢量正射影, 并叠加显示在校正后的图像上,可以客观地从图像各个部位检
验校正精度。选取地面明显特征作为地面控制点校正图像得到了很好的校正结果。在没有飞
机姿态仪和 GPS 基站情况下,相对于抓取的单幅图像上叠加的 GPS 经纬度在矢量正射影上
确定的点,选取拼接成整条航线的单幅画面中心作为地面控制点校正图像,校正结果误差太
大,造成这一误差的主要原因是飞机姿态。利用两种方法增强处理图像, 突出了灾害区的信息,
使灾害程度的判别及灾害区的定位更加容易。根据失叶率、灾害程度可分三级、即失叶率在
90%以上、75%以上、50%以上。从选取地面明显特征作为地面控制点校正后的图像上,可以知
道灾害区每一点的经纬度, 实现了灾害区的准确定位。
虽然图像增强方式可使灾害区的判别比较容易,但需进一步研究危害严重的松林和林相
很差、长势衰弱的松林间的图像光谱特征, 以达到灾害区的准确判别。
参　考　文　献
　　1　陆国先,陈式千,麦狄克.航空录影.能源、资源与环境, 1991, 4( 1) : 8～12.
　　2　Myhre R J, Sum pter C W, Graham L A. Airborne vid eography—— a poten tial tool for res ource m anager. Procceding
of Resour ce T echnology 90 S ymposium , Washington D. C. , 1991, 590～594.
　　3　吴坚,马小明,李志清,等.航空录像遥感技术在森林病虫害监测中的应用.林业科学研究, 1994, 7( 5) : 579～584.
　　4　高树,吴坚,马小明,等.应用航空录像监测森林病虫害操作技术.森林病虫通讯, 1994, ( 4) : 42～44.
　　5　周忠谟,易杰军. GPS卫星测量原理与应用.北京:测绘出版社, 1992. 88～94.
　　6　许殿元,丁树柏.遥感图像信息处理.北京:宇航出版社, 1990. 46～68.
　　7　Linden D S , Hof fer R M , Pywell H R, et al . Automated digital mosaicking of air borne videography. Department of
Fores t S cien ces, College of Natural Resou rces, Colorado State University; Methods Appl ication Group, U. S. Forest
Service, 1995, 4-1～20.
Studies on Interpretation and Orientation of the
Damaged Pine Forests by Pine Caterpillars
with Airborne Video Techniques
Wang Fugui　Wu J ian　Gao Shu
　　Abstract　The research w or k of using the techniques of air bor ne video to dist inguish
and orientate the damaged pine for ests by pine caterpillars w as conducted at three plots in
Wuming County , Guangx i Zhuang Autonomous Reg ion during December 1995 and April
1996. T he high quality images w hose ground resolutions w ere 2. 01 m, 1. 50 m , 1. 01 m and
0. 50 m were acquired by using a mo to r g lider o f a 3 seated air plane, GPS equipment , a video
camera and video reco rder.
2753 期　　　　　　　　王福贵等: 松毛虫灾害点的航空录像图像判别和定位研究
The image w as processed by capturing the individual video frame, mosaicing the flight
line frame pairs, preparing the ortho photoquad, selecting gr ound contro l points and w arping
the imager y to the ortho photoquad, and adjust ing the contr ast of the displayed brightness
values of digital image w ith M IPS sof tw are ( version 3. 3) running on DOS environment in
labo ratory.
The ef f iciency of processing image w as improved by using auto-capture funct ion of M IPS
to capture individual video frames and using the auto-co rrelation feature of image to assist
placing the t ie point and mosaic the f rame pair s. A satisfied result o f w arping image w as
reached by using the distinct g round characters as the ground contr ol points ( GCPS) to w ar p
image. T he results of w arping image w er e not sat isfactory in lar ge area of forests, when 6
GCPS were failed to be found, and the main r eason w as the aircraft senso r had not been used.
Tw o methods w ere used to adjust the image contrast , and the image info rmat ion of damaged
fo rests w as st ressed. The result also show ed the damaged deg ree of pine for ests was divided
into 3 lev els, that is over 90%, 90%～75% and 75%～50% o f defoliat ion r espect ively . T he
damaged ar eas w ere precisely oriented by using dist inct g round char acters as GCPS to w ar p
imagery .
When the larg e fo rest area w as monitored w ith the airbo rne video techniques, and much
bet ter dist inct ion ef fect and higher orientation precision w ere needed, the GPS base station
and the aircraf t senso r are needed to be used.
　　Key words　pine caterpillar　 airborne v ideo　image pr ocess　damaged forest distinc-
tion　orientat ion
　　Wang Fugu i, As sistant Eng ineer, Wu Jian , Gao Shu ( T he Research Ins t itute of Forest Protect ion , CAF　 Beijing　
100091) .
276 林 业 科 学 研 究　　　　　　　　　　　　　　　10 卷