一种基于近地面高光谱影像的水稻阴阳叶穗识别方法技术

本发明专利技术提出一种基于近地面高光谱影像的水稻阴阳叶穗识别方法，通过对水稻冠层内部不同器官组分光谱特征进行差异分析，获得阴阳叶穗分类决策树并区分阴叶、阳叶、阴穗、阳穗。该识别方法具有较高的识别精度，操作步骤简单易行，运算速度快，适用于不同水稻品种、不同栽培处理、不同生育时期，可广泛用作水稻冠层内部不同器官组分像元的识别分类。

A new method for identifying the Yin and Yang leaves of rice based on near ground hyperspectral images

The invention provides a near ground hyperspectral image based on the Yin and Yang of rice leaf and spike identification method, analyses the differences between the rice canopy spectral characteristics of different internal organs were obtained, yin and Yang leaf and spike classification decision tree leaves, and to distinguish between Yin Yang, yin and Yang ear ear lobe. This recognition method has high recognition accuracy, simple and easy operation steps, fast operation, suitable for different rice varieties and different culture, different stages, can be widely used for the identification and classification of rice canopy component pixels in different organs.

【技术实现步骤摘要】

本专利技术属于作物器官组分识别领域，尤其是一种基于成像高光谱的水稻阴阳叶穗识别方法。
技术介绍
水稻在我国粮食生产中具有重要的地位，及时监测水稻的长势状况对保障国家粮食安全和农业可持续发展起基础作用。目前，已有较多学者使用冠层反射率进行水稻生理生化参数的估测研究，如叶片氮素含量、叶片氮素积累量、植株氮素吸收量、叶面积指数及地上干物重等。在水稻的生殖生长阶段，稻穗会逐渐从叶鞘中抽出，与植株的上层叶片并存，而且其反射信号可能更易进入到冠层顶部的传感器中。然而大部分的研究直接使用混合了叶片与稻穗反射信号的冠层反射率，忽视了稻穗在水稻冠层中的存在性。虽然稻穗对冠层光谱信号有着重要的影响，但是稻穗的光谱特征及其在稻田冠层内部的变化规律还未有充分的研究与报道。由于部分叶片等植株器官存在对太阳直射光的阻挡，作物冠层在自然光照条件下往往包含光照和阴影冠层两个部分。虽然阴影在图像中往往呈现出黑色，但是阴影叶片对冠层反射信号仍然有着较大的贡献。在植被遥感领域，有一些研究仅仅着眼于光照冠层而忽略了阴影冠层。另有一部分学者在使用混合像元分解及几何光学模型、辐射传输模型时，仅将阴影部分的反射率设为0或者是一个固定值。这些研究从侧面表明了阴影冠层的光谱信息还未能得到充分分析与利用。近期的相关研究阐述了作物光照冠层与阴影冠层在监测日光诱导叶绿素荧光、植物光合作用及光能利用率方面的差异性。阴影冠层与光照冠层相比，前者往往受到较低的光照胁迫但呈现出较高的光能利用率。作物冠层内部光照与阴影组分不同的光适应性可能会造成它们之间结构性与生理性差异，而这种差异性也将会从它们各自的光谱特征中体现出来。这些研究主要探讨了甜菜、大麦、棉花及小麦阴阳叶观测值的差异。然而，例如稻穗等在生殖生长阶段出现的冠层组分却没有得到充分的关注。作物冠层内存在的阴阳穗对基于冠层反射光谱估测作物生化参数带来了一定的不确定性，此外尚不清楚如何处理或分解传统光谱数据中共同存在的阴阳叶穗光谱信号特征。针对水稻生长状况的监测，多数学者使用传统的非成像光谱仪获取冠层反射光谱。然而这种冠层尺度的光谱数据在精细农业尺度逐渐表现出不恰当性，因为位于冠层顶部的非成像光谱仪只能获取整个冠层的光谱，并不能记录叶片及稻穗各自的光谱信息。虽然这类光谱仪也可以获取单一的植株器官的光谱信号，如紧贴着器官获取。但其代价是采集的效率不高且样本的区域较小，同时可能是在不一致的太阳-观测角度获取数据。然而，在田间使用成像光谱仪却可以高效率的同时获取叶片与稻穗各自的光谱信息。近年来，近地面成像光谱仪成为一种有前景的传感技术，其获取的高空间分辨率的高光谱数据可以用来调查冠层内部各自不同器官组分在水稻整个生育期间的光谱特征。此外，从其数据中甚至可以进一步的提取水稻不同器官在光照与阴影条件下的纯净像元并分析其光谱特性。但是，目前对于阴阳叶穗光谱特征之间的差异性还缺少研究。更为重要的是，目前还未有一种针对近地面成像高光谱数据进行分类提取水稻阴阳叶穗的方法。
技术实现思路
本专利技术所解决的技术问题在于提供一种基于近地面高光谱影像的水稻阴阳叶穗识别方法，通过对水稻冠层内部不同器官组分光谱特征进行差异分析，获得阴阳叶穗分类决策树并区分阴叶、阳叶、阴穗、阳穗，该识别方法具有较高的识别精度，操作步骤简单易行，运算速度快，适用于不同水稻品种、不同栽培处理、不同生育时期，可广泛用作水稻冠层内部不同器官组分像元的识别分类。实现本专利技术目的的技术解决方案为：一种基于近地面高光谱影像的水稻阴阳叶穗识别方法，包括以下步骤：步骤1：采集水稻全生育期间冠层的近地面高光谱影像数据，获得独立的训练影像数据与独立的验证影像数据；步骤2：对近地面高光谱影像数据进行预处理，包括提取影像反射率数据、对反射率数据去噪平滑和基于增强型植被指数EVI的背景掩模；步骤3：从训练影像数据中选取阴叶、阳叶、阴穗、阳穗的感兴趣区，并以选择的感兴趣区的像元光谱作为训练样本数据并建立阴阳叶穗光谱数据库；步骤4：根据影像反射率数据计算光化学反射指数值PRI和转换叶绿素吸收反射指数值TCARI，并利用PRI和TCARI构建基于植被指数的阴阳叶穗分类决策树；步骤5：根据阴阳叶穗分类决策树区分阴叶、阳叶、阴穗、阳穗；步骤6：从验证影像数据中选取与训练影像数据同等数量的阴阳叶穗像元作为验证样本集，根据阴阳叶穗分类决策树对验证影像进行分类，得到分类后的图像，利用验证样本集的实际类别对分类精度进行评估，并计算分类的总体精度、制图精度、用户精度和Kappa系数，其中，总体精度为被正确分类的像元总和除以总像元数，制图精度为分类器将整个影像的像元正确分为A类的像元数与A类真实参考总数的比率，用户精度为正确分到A类的像元总数与分类器将整个影像的像元分为A类的像元总数的比率。进一步的，本专利技术的基于近地面高光谱影像的水稻阴阳叶穗识别方法，步骤1中，采集的影像数据包括不同生育期、不同施氮水平、不同种植密度处理和不同水稻品种类型的水稻。进一步的，本专利技术的基于近地面高光谱影像的水稻阴阳叶穗识别方法，采集影像数据的生育期包括分蘖初期、分蘖盛期、拔节期、孕穗期、抽穗期和灌浆期。进一步的，本专利技术的基于近地面高光谱影像的水稻阴阳叶穗识别方法，步骤2中预处理的具体步骤包括：步骤2-1：利用反射率为99％的参考反射板的数字量化值和暗电流噪声的数字量化值将影像数据中地物的数字量化值校正为影像反射率数据；步骤2-2：选择最小噪声分离变换MNF前向变换中的前10个波段对反射率数据进行后向MNF变换，得到去噪后的高光谱图像数据；步骤2-3：利用影像反射率数据计算增强型植被指数EVI值，提取EVI值大于阈值的影像为水稻植株器官的像元并同步生成背景的掩模。进一步的，本专利技术的基于近地面高光谱影像的水稻阴阳叶穗识别方法，步骤2-3中增强型植被指数EVI值的计算公式为：其中，R490、R670、R800分别为波段为490nm、670nm、800nm的反射率。进一步的，本专利技术的基于近地面高光谱影像的水稻阴阳叶穗识别方法，步骤4中构建阴阳叶穗分类决策树具体步骤包括：步骤4-1：将叶穗阈值设置为叶片PRI均值与稻穗PRI均值的平均数PRI(E)，PRI值大于PRI(E)的植被为叶片，PRI值小于等于PRI(E)的植被为稻穗；步骤4-2：将阴阳叶阈值设置为阳叶TCARI均值与阴叶TCARI均值的平均数TCARI(E1)，TCARI值大于TCARI(E1)的植被为阳叶，TCARI值小于等于TCARI(E1)的植被为阴叶；步骤4-3：将阴阳穗阈值设置为阳穗TCARI均值与阴穗TCARI均值的平均数TCARI(E2)，TCARI值大于TCARI(E2)的植被为阳穗，TCARI值小于等于TCARI(E2)的植被为阴穗。进一步的，本专利技术的基于近地面高光谱影像的水稻阴阳叶穗识别方法，步骤4中光化学反射指数值PRI的计算公式为：PRI＝(R531-R570)/(R531+R570)其中，R531，R570分别为波段为531nm，570nm的反射率。进一步的，本专利技术的基于近地面高光谱影像的水稻阴阳叶穗识别方法，步骤4中转换叶绿素吸收反射指数值TCARI的计算公式为：其中，R550，R670，R700分别为波段为550nm，670nm，700nm的反本文档来自技高网...

【技术保护点】
一种基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，包括以下步骤：步骤1：采集水稻全生育期间冠层的近地面高光谱影像数据，获得独立的训练影像数据与独立的验证影像数据；步骤2：对近地面高光谱影像数据进行预处理，包括提取影像反射率数据、对反射率数据去噪平滑和基于增强型植被指数EVI的背景掩模；步骤3：从训练影像数据中选取阴叶、阳叶、阴穗、阳穗的感兴趣区，并以选择的感兴趣区的像元光谱作为训练样本数据并建立阴阳叶穗光谱数据库；步骤4：根据影像反射率数据计算光化学反射指数值PRI和转换叶绿素吸收反射指数值TCARI，并利用PRI和TCARI构建基于植被指数的阴阳叶穗分类决策树；步骤5：根据阴阳叶穗分类决策树区分阴叶、阳叶、阴穗、阳穗；步骤6：从验证影像数据中选取与训练影像数据同等数量的阴阳叶穗像元作为验证样本集，根据阴阳叶穗分类决策树对验证影像进行分类，得到分类后的图像，利用验证样本集的实际类别对分类精度进行评估，并计算分类的总体精度、制图精度、用户精度和Kappa系数，其中，总体精度为被正确分类的像元总和除以总像元数，制图精度为分类器将整个影像的像元正确分为A类的像元数与A类真实参考总数的比率，用户精度为正确分到A类的像元总数与分类器将整个影像的像元分为A类的像元总数的比率。...

【技术特征摘要】
1.一种基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，包括以下步骤：步骤1：采集水稻全生育期间冠层的近地面高光谱影像数据，获得独立的训练影像数据与独立的验证影像数据；步骤2：对近地面高光谱影像数据进行预处理，包括提取影像反射率数据、对反射率数据去噪平滑和基于增强型植被指数EVI的背景掩模；步骤3：从训练影像数据中选取阴叶、阳叶、阴穗、阳穗的感兴趣区，并以选择的感兴趣区的像元光谱作为训练样本数据并建立阴阳叶穗光谱数据库；步骤4：根据影像反射率数据计算光化学反射指数值PRI和转换叶绿素吸收反射指数值TCARI，并利用PRI和TCARI构建基于植被指数的阴阳叶穗分类决策树；步骤5：根据阴阳叶穗分类决策树区分阴叶、阳叶、阴穗、阳穗；步骤6：从验证影像数据中选取与训练影像数据同等数量的阴阳叶穗像元作为验证样本集，根据阴阳叶穗分类决策树对验证影像进行分类，得到分类后的图像，利用验证样本集的实际类别对分类精度进行评估，并计算分类的总体精度、制图精度、用户精度和Kappa系数，其中，总体精度为被正确分类的像元总和除以总像元数，制图精度为分类器将整个影像的像元正确分为A类的像元数与A类真实参考总数的比率，用户精度为正确分到A类的像元总数与分类器将整个影像的像元分为A类的像元总数的比率。2.根据权利要求1所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤1中，采集的影像数据包括不同生育期、不同施氮水平、不同种植密度处理和不同水稻品种类型的水稻。3.根据权利要求1或2所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，采集影像数据的生育期包括分蘖初期、分蘖盛期、拔节期、孕穗期、抽穗期和灌浆期。4.根据权利要求1所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤2中预处理的具体步骤包括：步骤2-1：利用反射率为99％的参考反射板的数字量化值和暗电流噪声的数字量化值将影像数据中地物的数字量化值校正为影像反射率数据；步骤2-2：选择最小噪声分离变换MNF前向变换中的前10个波段对反射率数据进行后向MNF变换，得到去噪后的高光谱图像数据；步骤2-3：利...

【专利技术属性】
技术研发人员：朱艳，周凯，程涛，曹卫星，姚霞，田永超，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：江苏;32