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 ...
【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。