目的針對農(nóng)業(yè)機械化、信息化和智能化發(fā)展對棉花長勢快速監(jiān)測與評估提出的需求,提出一種新的技術(shù)途徑,依據(jù)低空無人機UAV（unmanned aerial vehicle）遙感技術(shù)為苗期棉花株數(shù)快速估算和長勢等級分類。方法基于高分辨率無人機多光譜遙感影像,利用光譜信息、空間位置及數(shù)學(xué)形態(tài)學(xué)信息,結(jié)合田間調(diào)查數(shù)據(jù),引入Hough變換等數(shù)學(xué)形態(tài)學(xué)方法實現(xiàn)田間棉苗壟中心線的提取,利用支持向量機回歸方法構(gòu)建具有較好穩(wěn)健性的棉株估算模型,并依據(jù)株數(shù)估算結(jié)果進(jìn)一步實現(xiàn)了保苗率、壯苗率計算和整體長勢等級分類。結(jié)果以田間實地測量得到的樣方數(shù)據(jù)為參考,對模型棉株估算精度評估的結(jié)果顯示:支持向量機回歸模型得到的株數(shù)估算精度更高,優(yōu)于對比模型,估算值與觀測值之間的確定系數(shù)R²為0. 945 6,均方根誤差為0. 510 7。以株數(shù)為指標(biāo)評估得到的整體長勢空間分布與地面樣方調(diào)查情況一致,實驗田塊里弱、壯、旺苗的比例分別為14. 50%、83. 37%、2. 13%,表明研究區(qū)棉田出苗整齊度較差,整體長勢偏弱。結(jié)論本文建立的棉苗株數(shù)與數(shù)學(xué)形態(tài)特征的回歸模型能有效識別棉苗株數(shù)并進(jìn)行整體長勢等級分類... 

【文章來源】：中國圖象圖形學(xué)報. 2020,25(03)北大核心

【文章頁數(shù)】：15 頁

【部分圖文】：

研究區(qū)地理位置與真彩色影像

NDVI可消除與儀器標(biāo)定、太陽高度角、地形、云影和大氣條件相關(guān)的大部分輻照度變化，增強對植被的響應(yīng)能力，是40多種植被指數(shù)中最為廣泛應(yīng)用的一種(馮露等，2009;郭鈮，2003)，在無人機遙感農(nóng)作物提取中也表現(xiàn)出了良好的性能(田振坤等，2013;Natividade等，2017)。為了增加流程的自動化程度，本研究選取Otsu閾值算法來自動確定閾值，進(jìn)行植被和地膜光斑的二值化分割識別。Otsu閾值算法是一種自適應(yīng)的閾值提取方法，目的是尋找一個使得目標(biāo)類和背景類的類間方差最大的閾值，作為分割的最優(yōu)閾值(Otsu,1979)。該方法原理簡單、運算速度快，且在棉花作物的分割識別中取得過較好效果(劉廣瑞等，2013)，適用于快速提取棉田信息的需求，具體計算步驟如下:設(shè)影像I(x,y)，大小為M×N，二類閾值為T;目標(biāo)和背景的像元數(shù)占整幅影像的比例分別為w1、w2，平均灰度分別為G1、G2;影像總平均灰度G"，類間方差為σ;同時將影像中像素的灰度值小于閾值T的像素個數(shù)記作N1，像素灰度大于閾值T的像素個數(shù)記作N2，那么

1)膨脹操作。對剔除地膜光斑后的植被二值柵格圖像進(jìn)行連續(xù)7次膨脹處理，核大小為3，使同一壟上離散的植被圖斑盡可能連續(xù)起來，且不同壟之間的植被圖斑依然分隔開。2)骨架線提取。對膨脹后的圖像進(jìn)行提取骨架線的操作，使其變?yōu)閱蜗袼氐�、較為連續(xù)的線狀圖斑，減少Hough變換所需處理的像素數(shù)，并提供更為明晰的占優(yōu)勢線。

【參考文獻(xiàn)】：
期刊論文
[1]基于無人機低空遙感的農(nóng)作物快速分類方法[J]. 田振坤,傅鶯鶯,劉素紅,劉峰.  農(nóng)業(yè)工程學(xué)報. 2013(07)
[2]OTSU最佳閾值法在棉花幼苗識別中的應(yīng)用研究[J]. 劉廣瑞,黃真,毛樹春,王國平,畢竟鍇.  棉花學(xué)報. 2013(01)
[3]作物農(nóng)藝性狀整齊度的指標(biāo)方法新論[J]. 張煥裕.  湖南農(nóng)業(yè)科學(xué). 2006(01)
[4]植被指數(shù)及其研究進(jìn)展[J]. 郭鈮.  干旱氣象. 2003(04)



本文編號：2974094