【目的】自動提取影像中作物種植區(qū)域信息,對于推動無人機(jī)高分辨率影像在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用具有重要意義。本研究針對分割評價(jià)函數(shù)中加權(quán)局部方差法(weighted local variance,WLV)的缺陷,面向農(nóng)業(yè)無人機(jī)影像高精度自動分割的需求,提出改進(jìn)方法并基于不同作物田間試驗(yàn)數(shù)據(jù)進(jìn)行對比驗(yàn)證�！痉椒ā酷槍LV沒有充分考慮分割對象內(nèi)部同質(zhì)性的問題,本研究在WLV的基礎(chǔ)上增加對象間同質(zhì)性的計(jì)算,提出了改進(jìn)加權(quán)局部方差法(improved weighted local variance,IWLV)。設(shè)計(jì)玉米氮肥試驗(yàn)和小麥水肥試驗(yàn),獲取不同作物不同時期及長勢下的無人機(jī)影像�；讷@取的無人機(jī)影像,設(shè)置不同情景,分別耦合主流分割算法與WLV、IWLV法開展影像分割,將它們的分割結(jié)果與人機(jī)交互分割結(jié)果進(jìn)行對比,并基于單尺度對象精度(single-scale object accuracy,SOA)法進(jìn)行評價(jià)�！窘Y(jié)果】基于WLV法選擇的最優(yōu)分割尺度往往偏大,分割影像時會存在欠分割現(xiàn)象,而基于IWLV法選擇的分割尺度進(jìn)行分割的結(jié)果與人機(jī)交互分割結(jié)果更為接近。對于所有設(shè)定的分割情景,IWLV法獲得了更高...

【文章頁數(shù)】：13 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 田間試驗(yàn)
        1.1.1 玉米氮肥梯度試驗(yàn)
        1.1.2 冬小麥水、氮耦合試驗(yàn)
    1.2 遙感數(shù)據(jù)
    1.3 改進(jìn)的尺度參數(shù)自動確定方法
    1.4 數(shù)據(jù)分析方法
2 結(jié)果
    2.1 影像基本情況
    2.2 玉米影像分割結(jié)果
        2.2.1 最優(yōu)尺度參數(shù)選擇
        2.2.2 分割精度評價(jià)
    2.3 冬小麥影像分割結(jié)果
        2.3.1 最優(yōu)尺度參數(shù)選擇
        2.3.2 分割精度評價(jià)
3 討論
4 結(jié)論



本文編號：3841981