基于无人机遥感技术的作物面积提取研究

发布时间：2020-07-20 18:33

【摘要】：针对传统的统计方法对于大面积、大尺度的作物监测和识别具有主观性,误差大,获取的农作物信息具有很大的局限性。利用无人机遥感影像技术对作物的种植信息进行提取,可以快速的估算作物的种植面积。本文首先利用无人机遥感试验获取多幅有重叠区域的图像,使用Agisoft photoscan软件拼接重构试验区的完整图像,利用多尺度分割方法将试验区域分割成若干对象,并基于统计方法提取对象的光谱特征、几何特征和纹理特征;然后,建立识别水稻地块的二分类Logistic回归模型,特征指标为形状指数、红色均值、红色标准偏差、最大化差异度量、灰度共生矩阵同质性和灰度共生矩阵非相似性。结果表明:模型辨识训练样本集的正确率为100%,辨识检验样本的正确率为97%,模型应用于辨识验证区域水稻田块,总体正确率为98%。最后基于累计像素方法测算水稻田块的面积,并与目视解译测算的结果对比,面积误差小于3.5%,研究方法识别水稻田块效果好,面积测算准确率高。因此,该研究对利用无人机遥感影像普查水稻种植信息具有一定的适用性。主要研究内容和结论如下:(1)数据获取及预处理。利用六旋翼无人机搭载相机传感器进行数据采集,通过数据预处理后采用Agisoft PhotoScan软件进行拼接。(2)面向对象法分析。利用特征获取统计、分割方法和分类算法,与统计学联系起来,建立二分类Logistic回归模型进行水稻地块的判别,使得面向对象分类精准提高。提取精度达到97%,面积误差在3.5%以内。(3)基于像元方法分析。介绍监督分类大块下的最大似然法和非监督分类下的K均值分类,并用该两种方法对试验区和验证区的遥感影像进行分类,提取精度结果不理想,面积误差达到17%。(4)精度评价。对基于二分类Logistic的面向对象分类和基于像元的最大似然法进行面积精度对比评价。
【学位授予单位】：湖南农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S127;TP751

【参考文献】