煙草是一種特殊農(nóng)作物,煙草的提取對(duì)其信息統(tǒng)計(jì)起著重要作用。針對(duì)煙草單株提取難的問題,提出了一種結(jié)合多特征和超像素的無人機(jī)影像煙草精細(xì)提取方法。首先利用簡單線性迭代聚類（Simple Linear Iterative Clustering,SLIC）算法對(duì)影像進(jìn)行超像素分割;然后統(tǒng)計(jì)超像素的平均值、亮度、長寬比、形狀指數(shù)、紅綠藍(lán)波段值和自定義植被指數(shù);接著通過對(duì)超像素特征組合和特征閾值選取來實(shí)現(xiàn)煙草的精細(xì)提取;最后對(duì)提取信息進(jìn)行統(tǒng)計(jì)和分析。實(shí)驗(yàn)結(jié)果表明:該方法能有效地提取煙草株樹,準(zhǔn)確度分別為99%和98.6%。利用該方法,在計(jì)算煙草產(chǎn)量方面供了有效參考,節(jié)省了大部分的人力財(cái)力。 

【文章來源】：遙感技術(shù)與應(yīng)用. 2020,35(05)北大核心CSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 數(shù)據(jù)來源
3 煙草精細(xì)提取方法
    3.1 SLIC超像素分割算法
    3.2 對(duì)象特征選擇
    3.3 對(duì)象特征構(gòu)建
    3.4 煙草提取流程
    3.5 對(duì)比試驗(yàn)
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 SLIC算法分割結(jié)果
    4.2 特征最佳閾值選取結(jié)果
    4.3 煙草提取結(jié)果
    4.4 精度評(píng)價(jià)
5 討論
6 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于SLIC超像素的高分辨率遙感影像城鎮(zhèn)道路提取[J]. 潤一,王密,董志鵬,程宇峰.  測繪地理信息. 2019(01)
[2]基于超像素分割的田間小麥穗數(shù)統(tǒng)計(jì)方法[J]. 杜穎,蔡義承,譚昌偉,李振海,楊貴軍,馮海寬,韓東.  中國農(nóng)業(yè)科學(xué). 2019(01)
[3]基于無人機(jī)遙感影像的玉米苗期株數(shù)信息提取[J]. 劉帥兵,楊貴軍,周成全,景海濤,馮海寬,徐波,楊浩.  農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[4]多特征、多方法融合的高分辨率影像道路網(wǎng)提取[J]. 李潤生,曹帆之,曹聞,王淑香.  國土資源遙感. 2018(03)
[5]基于無人機(jī)遙感影像的煙草種植面積信息提取[J]. 陳金,劉品超,黃國強(qiáng),李智勇,劉金玉.  湖南農(nóng)業(yè)科學(xué). 2018(01)
[6]多特征融合的高分辨率遙感影像建筑物分級(jí)提取[J]. 林雨準(zhǔn),張保明,王丹菂,陳小衛(wèi),徐俊峰.  中國圖象圖形學(xué)報(bào). 2017(12)
[7]基于SLIC分層分割的無人機(jī)圖像極小目標(biāo)檢測方法[J]. 趙坤,張羽君,張建龍,王勇.  數(shù)據(jù)采集與處理. 2017(04)
[8]基于無人機(jī)遙感技術(shù)的玉米種植信息提取方法研究[J]. 韓文霆,李廣,苑夢(mèng)嬋,張立元,師志強(qiáng).  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(01)
[9]一種利用結(jié)構(gòu)特征的高分辨率遙感影像種植園自動(dòng)提取方法[J]. 閆利,江維薇.  測繪學(xué)報(bào). 2016(09)
[10]結(jié)合Gabor紋理與幾何特征的高分辨率遙感影像城區(qū)道路提取方法[J]. 胡華龍,吳冰,黃邵美.  測繪科學(xué)技術(shù)學(xué)報(bào). 2015(04)

碩士論文
[1]基于無人機(jī)圖像的小麥出苗均勻度評(píng)價(jià)[D]. 陳雯.揚(yáng)州大學(xué) 2018
[2]基于面向?qū)ο蠓诸惙椒ǖ臒煵莘N植面積提取研究[D]. 李天坤.四川農(nóng)業(yè)大學(xué) 2013



本文編號(hào)：3183561