利用無人機(jī)多光譜影像數(shù)據(jù)構(gòu)建棉苗株數(shù)估算模型
發(fā)布時(shí)間：2021-01-13 03:13
目的針對(duì)農(nóng)業(yè)機(jī)械化、信息化和智能化發(fā)展對(duì)棉花長(zhǎng)勢(shì)快速監(jiān)測(cè)與評(píng)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(jī)UAV（unmanned aerial vehicle）遙感技術(shù)為苗期棉花株數(shù)快速估算和長(zhǎng)勢(shì)等級(jí)分類。方法基于高分辨率無人機(jī)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(shí)現(xiàn)田間棉苗壟中心線的提取,利用支持向量機(jī)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(shí)現(xiàn)了保苗率、壯苗率計(jì)算和整體長(zhǎng)勢(shì)等級(jí)分類。結(jié)果以田間實(shí)地測(cè)量得到的樣方數(shù)據(jù)為參考,對(duì)模型棉株估算精度評(píng)估的結(jié)果顯示:支持向量機(jī)回歸模型得到的株數(shù)估算精度更高,優(yōu)于對(duì)比模型,估算值與觀測(cè)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(píng)估得到的整體長(zhǎng)勢(shì)空間分布與地面樣方調(diào)查情況一致,實(shí)驗(yàn)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(zhǎng)勢(shì)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(shí)別棉苗株數(shù)并進(jìn)行整體長(zhǎng)勢(shì)等級(jí)分類...
【文章來源】：中國(guó)圖象圖形學(xué)報(bào). 2020,25(03)北大核心
【文章頁(yè)數(shù)】：15 頁(yè)
【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(qiáng)對(duì)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(jī)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(dòng)化程度，本研究選取Otsu閾值算法來自動(dòng)確定閾值，進(jìn)行植被和地膜光斑的二值化分割識(shí)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(gè)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(jiǎn)單、運(yùn)算速度快，且在棉花作物的分割識(shí)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(jì)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(shí)將影像中像素的灰度值小于閾值T的像素個(gè)數(shù)記作N1，像素灰度大于閾值T的像素個(gè)數(shù)記作N2，那么
1)膨脹操作。對(duì)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(duì)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?cái)?shù)，并提供更為明晰的占優(yōu)勢(shì)線。
【參考文獻(xiàn)】：
期刊論文
[1]基于無人機(jī)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(bào). 2013(07)
[2]OTSU最佳閾值法在棉花幼苗識(shí)別中的應(yīng)用研究[J]. 劉廣瑞,黃真,毛樹春,王國(guó)平,畢竟鍇. 棉花學(xué)報(bào). 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(hào)：2974094
【文章來源】：中國(guó)圖象圖形學(xué)報(bào). 2020,25(03)北大核心
【文章頁(yè)數(shù)】：15 頁(yè)
【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(qiáng)對(duì)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(jī)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(dòng)化程度，本研究選取Otsu閾值算法來自動(dòng)確定閾值，進(jìn)行植被和地膜光斑的二值化分割識(shí)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(gè)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(jiǎn)單、運(yùn)算速度快，且在棉花作物的分割識(shí)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(jì)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(shí)將影像中像素的灰度值小于閾值T的像素個(gè)數(shù)記作N1，像素灰度大于閾值T的像素個(gè)數(shù)記作N2，那么
1)膨脹操作。對(duì)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(duì)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?cái)?shù)，并提供更為明晰的占優(yōu)勢(shì)線。
【參考文獻(xiàn)】：
期刊論文
[1]基于無人機(jī)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(bào). 2013(07)
[2]OTSU最佳閾值法在棉花幼苗識(shí)別中的應(yīng)用研究[J]. 劉廣瑞,黃真,毛樹春,王國(guó)平,畢竟鍇. 棉花學(xué)報(bào). 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(hào)：2974094
本文鏈接：http://sikaile.net/guanlilunwen/gongchengguanli/2974094.html
最近更新
教材專著
