一种基于最大似然法的玉米倒伏面积提取系统及方法技术方案

本发明专利技术提供了一种基于最大似然法的玉米倒伏面积提取系统及方法，能够简单快速地提取倒伏面积。所述系统包括：获取单元、预处理单元、计算单元、分类单元和评价单元，所述获取单元、预处理单元、计算单元、分类单元和评价单元依次连接；所述方法包括：使用无人机搭载多光谱传感器采集试验区田间影像数据；对采集的田间影像数据进行预处理，得到玉米冠层多光谱影像；计算玉米冠层多光谱影像中倒伏玉米、正常玉米的纹理特征以及系列植被指数信息；选取红色、绿色、近红外三个波段的均值特征结合比值植被指数、三角植被指数这五个适宜的分类特征，使用最大似然法对影像进行监督分类，提取玉米倒伏面积；通过实地测量数据验证分类模型精度。

An extraction system and method of corn lodging area based on maximum likelihood method

【技术实现步骤摘要】
一种基于最大似然法的玉米倒伏面积提取系统及方法
本专利技术涉及基于无人机影像的对地观测和作物表型提取领域，具体涉及一种基于最大似然法的玉米倒伏面积提取系统及方法。
技术介绍
玉米是我国主要种植的粮食作物之一，倒伏经常发生在玉米生长过程中，是一种常见的农业灾害，引起玉米倒伏的原因很多，灾害性天气和玉米品种抗倒性强弱带来的影响最大。研究表明，玉米倒伏后根、茎、叶等生理功能不同程度受损，在中国，玉米倒伏轻者减产5％～10％，重者减产30％～50％，倒伏后玉米容易生疾病导致质量降低，玉米倒伏还增加了机械收获的难度。所以玉米发生了倒伏之后，不及时获取倒伏信息会影响相关部门进行产量评估。人工调查法和遥感影像法是目前获取玉米倒伏面积比较常用的两种方法。人工调查法由工作人员实地观察、测量统计作物倒伏信息，这种方法费时费力，效率低下，只适用于小范围的内的作物倒伏调查；遥感影像法通过获取地面的遥感影像，不同地物会呈现出不同的纹理差异，也会有不同的光谱反射率，遥感影像法通过分析这些差异来区别地物。这种方法可以一次获得大面积的玉米遥感影像，效率比人工法高很多，但基于遥感的调查方法也存在一些问题：获取影像受天气影响较大，多云和雨雪天气会严重影响成图；对固定地点的重返周期比较长，不能确保一次就能完全获取到研究区的影像。近年来，无人机遥感凭借其平台易建性、成本低、操作简单、时空分辨率高等优势，弥补了人工和卫星遥感的不足，针对小型无人机遥感影像的数据的处理方法也越来越成熟，可以实现及时获取大批量影像进行处理，用无人机采集影像适合复杂农田环境，并且获取高分辨率的影像可以实现作物地块划分小区来进行研究，研究尺度更加精细，非常适于作物倒伏调查。无人机已经成为农业定量遥感研究中快速、准确获取作物信息的主要工具，是当前研究的热点和趋势。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于最大似然法的玉米倒伏面积提取系统及方法。为解决上述技术问题，本专利技术提供以下技术方案：第一方面，本专利技术提供了一种基于最大似然法的玉米倒伏面积提取方法，包括：S1：使用无人机搭载多光谱传感器采集试验区田间影像数据；S2：对S1采集的田间影像数据进行预处理，得到玉米冠层多光谱影像；S3：计算S2得到的玉米冠层多光谱影像中倒伏玉米与正常玉米的纹理特征以及植被指数信息；S4：选取红色、绿色、近红外三个波段的均值特征结合比值植被指数、三角植被指数这五个适宜的分类特征，使用最大似然法对影像进行监督分类，提取玉米倒伏面积；S5：通过实地测量数据验证分类模型精度。在上述方案的基础上，S2所述预处理包括拼接和几何校正、辐射定标等；在上述方案的基础上，所述S3包括如下步骤：S31、对S2得到的玉米冠层多光谱影像，利用如下方法提取倒伏玉米与正常玉米的纹理特征：使用基于二阶概率统计的滤波工具计算正常玉米与倒伏玉米的纹理信息，滤波的处理窗口设置为7*7，以基准窗口为参考，空间相关性矩阵变换值X和Y均为1，灰度质量级为64；纹理分析后需要统计正常玉米和倒伏玉米一共32项纹理特征的均值和标准差，利用这两个值计算出变异系数和相对差异系数；S32、对S2得到的玉米冠层多光谱影像，利用如下公式提取倒伏玉米与正常玉米的植被指数：NDVI＝(NIR-R)/(NIR+R)GNDVI＝(NIR-G)/(NIR+G)RVI＝NIR/RTVI＝60*(NIR-G)-100*(R–G)NDRE＝(NIR–Rededge)/(NIR+Rededge)其中，NDVI为归一化差值植被指数，GNDVI为绿色归一化差值植被指数，RVI为比值植被指数，TVI为三角植被指数，NDRE为归一化差值红边指数，NIR为近红外波段反射率，R为红色波段反射率，G为绿色波段反射率，Rededge为红边波段反射率；并分别统计正常玉米与倒伏玉米五个植被指数的均值和标准差，计算变异系数和相对差异系数；所述变异系数与特征内差异相关，相对差异系数与特征间差异相关。在上述方案的基础上，所述S4包括如下步骤：S41、特征内差异越小、特征间差异越大表明特征的分类能力越强，选择变异系数小、相对差异系数大的纹理特征和植被指数作为倒伏提取模型的变量；S42、使用多波段图层叠加工具，采取不同组合方式对被选择的纹理特征和植被指数进行合并得到新影像，选择评价良好的训练样本和验证样本，验证样本不能和训练样本重复并且像素值约为训练样本的1/2，使用最大似然分类法对合并后的影像进行监督分类；S43、使用混淆矩阵，对每一种合并方式进行精度验证，用得到的总体分类精度及其Kappa系数作为主要参考标准进行精度评价，最终选择红色、绿色、近红外三个波段的均值特征结合比值植被指数、三角植被指数方式合并得到的影像；S44、将分类得到的倒伏地块和小区边界进行叠加分析，使得倒伏地块也有小区的边界信息，统计出每一个小区中倒伏面积的大小，计算每一个小区中的倒伏面积占比。在上述方案的基础上，所述S5包括如下步骤：用S44计算得到的每一个小区中的倒伏面积占比，与已知的人工调查出的倒伏面积占比计算差值，所述差值即为分类误差；第二方面，本专利技术还提供了一种基于最大似然法的玉米倒伏面积提取系统，包括：获取单元、预处理单元、计算单元、分类单元和评价单元，所述获取单元、预处理单元、计算单元、分类单元和评价单元依次连接；所述获取单元，用于通过无人机搭载多光谱传感器获取试验区田间影像数据；所述预处理单元，用于处理获取的试验区田间影像数据得到玉米冠层多光谱影像；所述计算单元，用于计算玉米冠层多光谱影像中目标作物的纹理特征及植被指数信息；所述分类单元，用于选择适宜的纹理特征和植被指数，构建分类模型，提取倒伏面积；所述评价单元，用于对比人工调查数据和分类模型结果，验证分类模型精度。在上述方案的基础上，所述计算单元，具体可以用于：对得到的玉米冠层多光谱影像，利用如下方法提取纹理特征：使用基于二阶概率统计的滤波工具计算正常玉米与倒伏玉米的纹理信息，滤波的处理窗口设置为7*7，以基准窗口为参考，空间相关性矩阵变换值X和Y均为1，灰度质量级为64。纹理分析后需要统计正常和倒伏玉米一共32项纹理特征的均值和标准差，利用这两个值计算出变异系数和相对差异系数。对得到的玉米冠层多光谱影像，利用如下公式提取植被指数：NDVI＝(NIR-R)/(NIR+R)GNDVI＝(NIR-G)/(NIR+G)RVI＝NIR/RTVI＝60*(NIR-G)-100*(R–G)NDRE＝(NIR–Rededge)/(NIR+Rededge)其中，NDVI为归一化差值植被指数，GNDVI为绿色归一化差值植被指数，RVI为比值植被指数，TVI为三角植被指数，NDRE为归一化差值红边指数，NIR为近红外波段反射率，R为红色本文档来自技高网...

【技术保护点】
1.一种基于最大似然法的玉米倒伏面积提取系统，其特征在于，包括：/n获取单元、预处理单元、计算单元、分类单元和评价单元；/n所述获取单元、预处理单元、计算单元、分类单元和评价单元依次连接；/n所述获取单元，用于通过无人机搭载多光谱传感器获取试验区田间影像数据；/n所述预处理单元，用于处理获取的试验区田间影像数据得到玉米冠层多光谱影像；/n所述计算单元，用于计算玉米冠层多光谱影像中目标作物的纹理特征及植被指数信息；/n所述分类单元，用于选择适宜的纹理特征和植被指数，构建分类模型，提取倒伏面积；/n所述评价单元，用于对比人工调查数据和分类模型结果，验证分类模型精度。/n

【技术特征摘要】
1.一种基于最大似然法的玉米倒伏面积提取系统，其特征在于，包括：
获取单元、预处理单元、计算单元、分类单元和评价单元；
所述获取单元、预处理单元、计算单元、分类单元和评价单元依次连接；
所述获取单元，用于通过无人机搭载多光谱传感器获取试验区田间影像数据；
所述预处理单元，用于处理获取的试验区田间影像数据得到玉米冠层多光谱影像；
所述计算单元，用于计算玉米冠层多光谱影像中目标作物的纹理特征及植被指数信息；
所述分类单元，用于选择适宜的纹理特征和植被指数，构建分类模型，提取倒伏面积；
所述评价单元，用于对比人工调查数据和分类模型结果，验证分类模型精度。


2.如权利要求1所述的基于最大似然法的玉米倒伏面积提取系统，其特征在于，所述计算单元，具体用于：
对得到的玉米冠层多光谱影像，利用如下方法提取纹理特征：
使用基于二阶概率统计的滤波工具计算正常玉米与倒伏玉米的纹理信息，滤波的处理窗口设置为7*7，以基准窗口为参考，空间相关性矩阵变换值X和Y均为1，灰度质量级为64；纹理分析后需要统计正常和倒伏玉米一共32项纹理特征的均值和标准差，利用这两个值计算出变异系数和相对差异系数；
对得到的玉米冠层多光谱影像，利用如下公式提取植被指数：
NDVI＝(NIR-R)/(NIR+R)
GNDVI＝(NIR-G)/(NIR+G)
RVI＝NIR/R
TVI＝60*(NIR-G)-100*(R–G)
NDRE＝(NIR–Rededge)/(NIR+Rededge)
其中，NDVI为归一化差值植被指数，GNDVI为绿色归一化差值植被指数，RVI为比值植被指数，TVI为三角植被指数，NDRE为归一化差值红边指数，NIR为近红外波段反射率，R为红色波段反射率，G为绿色波段反射率，Rededge为红边波段反射率；
并分别统计正常、倒伏玉米五个植被指数的均值和标准差，计算变异系数和相对差异系数；
所述变异系数与特征内差异相关，相对差异系数与特征间差异相关。


3.如权利要求2所述的基于最大似然法的玉米倒伏面积提取系统，其特征在于，所述分类单元，具体用于：
特征内差异越小、特征间差异越大表明特征的分类能力越强，选择变异系数小、相对差异系数大的纹理特征和植被指数作为倒伏提取模型的变量；
使用多波段图层叠加工具，采取不同组合方式对被选择的纹理特征和植被指数进行合并得到新影像，选择评价良好的训练样本和验证样本，验证样本不能和训练样本重复并且像素值为训练样本的1/2，使用最大似然分类法对合并后的影像进行监督分类；
使用混淆矩阵，对每一种合并方式进行精度验证，用得到的总体分类精度及其Kappa系数作为参考标准进行精度评价，最终选择红色、绿色、近红外三个波段的均值特征结合比值植被指数、三角植被指数方式合并得到的影像；
将分类得到的倒伏地块和小区边界进行叠加分析，使得倒伏地块也有小区的边界信息，统计出每一个小区中倒伏面积的大小，计算每一个小区中的倒伏面积占比。


4.如权利要求3所述的基于最大似然法的玉米倒伏面积提取系统，其特征在于，所述评价单元，具体用于：
用计算得到的每一个小区中的倒伏面积占比，与已知的人工调查出的倒伏面积占比计算差值，所述差值为分类误差。


5.一种基于最大似然法的玉米倒伏面积提取方法，应用如权利要求1～4任一权利要求所述的基于最大似然法的玉米...

【专利技术属性】
技术研发人员：刘哲，张心璐，昝糈莉，李绍明，张晓东，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11