利用无人机多光谱影像数据构建棉苗株数估算模型

发布时间：2021-01-13 03:13

　　目的针对农业机械化、信息化和智能化发展对棉花长势快速监测与评估提出的需求,提出一种新的技术途径,依据低空无人机UAV（unmanned aerial vehicle）遥感技术为苗期棉花株数快速估算和长势等级分类。方法基于高分辨率无人机多光谱遥感影像,利用光谱信息、空间位置及数学形态学信息,结合田间调查数据,引入Hough变换等数学形态学方法实现田间棉苗垄中心线的提取,利用支持向量机回归方法构建具有较好稳健性的棉株估算模型,并依据株数估算结果进一步实现了保苗率、壮苗率计算和整体长势等级分类。结果以田间实地测量得到的样方数据为参考,对模型棉株估算精度评估的结果显示:支持向量机回归模型得到的株数估算精度更高,优于对比模型,估算值与观测值之间的确定系数R²为0. 945 6,均方根误差为0. 510 7。以株数为指标评估得到的整体长势空间分布与地面样方调查情况一致,实验田块里弱、壮、旺苗的比例分别为14. 50%、83. 37%、2. 13%,表明研究区棉田出苗整齐度较差,整体长势偏弱。结论本文建立的棉苗株数与数学形态特征的回归模型能有效识别棉苗株数并进行整体长势等级分类... 

【文章来源】：中国图象图形学报. 2020,25(03)北大核心

【文章页数】：15 页

【部分图文】：

研究区地理位置与真彩色影像

NDVI可消除与仪器标定、太阳高度角、地形、云影和大气条件相关的大部分辐照度变化，增强对植被的响应能力，是40多种植被指数中最为广泛应用的一种(冯露等，2009;郭铌，2003)，在无人机遥感农作物提取中也表现出了良好的性能(田振坤等，2013;Natividade等，2017)。为了增加流程的自动化程度，本研究选取Otsu阈值算法来自动确定阈值，进行植被和地膜光斑的二值化分割识别。Otsu阈值算法是一种自适应的阈值提取方法，目的是寻找一个使得目标类和背景类的类间方差最大的阈值，作为分割的最优阈值(Otsu,1979)。该方法原理简单、运算速度快，且在棉花作物的分割识别中取得过较好效果(刘广瑞等，2013)，适用于快速提取棉田信息的需求，具体计算步骤如下:设影像I(x,y)，大小为M×N，二类阈值为T;目标和背景的像元数占整幅影像的比例分别为w1、w2，平均灰度分别为G1、G2;影像总平均灰度G"，类间方差为σ;同时将影像中像素的灰度值小于阈值T的像素个数记作N1，像素灰度大于阈值T的像素个数记作N2，那么

1)膨胀操作。对剔除地膜光斑后的植被二值栅格图像进行连续7次膨胀处理，核大小为3，使同一垄上离散的植被图斑尽可能连续起来，且不同垄之间的植被图斑依然分隔开。2)骨架线提取。对膨胀后的图像进行提取骨架线的操作，使其变为单像素的、较为连续的线状图斑，减少Hough变换所需处理的像素数，并提供更为明晰的占优势线。

【参考文献】：
期刊论文
[1]基于无人机低空遥感的农作物快速分类方法[J]. 田振坤,傅莺莺,刘素红,刘峰.  农业工程学报. 2013(07)
[2]OTSU最佳阈值法在棉花幼苗识别中的应用研究[J]. 刘广瑞,黄真,毛树春,王国平,毕竟锴.  棉花学报. 2013(01)
[3]作物农艺性状整齐度的指标方法新论[J]. 张焕裕.  湖南农业科学. 2006(01)
[4]植被指数及其研究进展[J]. 郭铌.  干旱气象. 2003(04)



本文编号：2974094