【技术实现步骤摘要】
基于无人机遥感图像的植被检测方法、装置以及设备
[0001]本专利技术涉及遥感数据分析领域,特别涉及是一种基于无人机遥感图像的植被检测方法、装置、设备以及存储介质。
技术介绍
[0002]目前,基于遥感图像对地表覆盖类型进行分类的研究较多,但大多数学者都把城市植被作为一个大类进行研究,或者讨论不同土地利用类型,如草地、林地、耕地等地区地表温度的整体模式。
[0003]而由于植被叶片形状、植株高矮不同,如针叶和阔叶、灌木和乔木等,对地表温度的影响程序也会不同,所以对微观城市生态和城市热岛效应的研究需要将不同植被类型区分开。然而多光谱数据和可见光数据容易将灌木和乔木混淆,难以对植物进行准确分类。
技术实现思路
[0004]基于此,本专利技术的目的在于,提供一种基于无人机遥感图像的植被检测方法、装置、设备以及存储介质,将热红外图像和可见光图像融合,然后根据植被类型构建第一样本训练数据集,利用植被分类模型对植被类型进行分类,获得高精度的植被分类数据,高效、快捷。
[0005]第一方面,本申请实施例提供了一种基于无人机遥感图像的植被检测方法,包括以下步骤:
[0006]获取目标区域的遥感图像,其中,所述遥感图像包括热红外图像以及可见光图像;
[0007]将所述热红外图像转换为地表温度图像,并将所述地表温度图像与可见光图像进行图像融合,获取融合图像,将所述融合图像转换为植被覆盖图像,其中,所述植被覆盖图像包括若干种植被类型;
[0008]从所述植被覆盖图像中提取各个所述植被 ...
【技术保护点】
【技术特征摘要】
1.一种基于无人机遥感图像的植被检测方法,其特征在于,包括以下步骤:通过无人机获取目标区域的遥感图像,其中,所述遥感图像包括热红外图像以及可见光图像;将所述热红外图像转换为地表温度图像,并将所述地表温度图像与可见光图像进行图像融合,获取融合图像,将所述融合图像转换为植被覆盖图像,其中,所述植被覆盖图像包括若干种植被类型;从所述植被覆盖图像中提取各个所述植被类型对应的若干个第一样本数据,根据所述第一样本数据,组成第一样本训练数据集;根据所述第一样本训练数据集以及预设的植被分类模型,获取所述目标区域的植被分类数据,并对所述植被分类数据进行精度评价;响应于检测指令,所述检测指令包括待检测区域的热红外图像以及可见光图像,获取电子地图数据,根据所述待检测区域的热红外图像以及可见光图像,获取待检测区域的植被分类数据,根据所述植被分类数据中的植被类型以及与所述植被类型对应的植被标识,获取所述电子地图数据的各个区域的植被标识,在所述电子地图数据上进行植被标识的显示以及标注。2.根据权利要求1所述的基于无人机遥感图像的植被检测方法,其特征在于,所述将所述热红外图像转换为地表温度图像,并将所述地表温度图像与可见光图像进行图像融合,获取融合图像,包括步骤:根据所述热红外图像以及地表温度算法,将所述热红外图像转换为地表温度图像,其中,所述地表温度算法为:式中,T
s
为地表温度;C为亮度温度值;C
’
为等效大气平均温度;a和b为回归系数;α和β为中间系数,其中α=e
·
r,β=(1
‑
e)[1+e(1
‑
r)],e为大气透过率,r为地表比辐射率;将所述地表温度图像与可见光图像进行地理配准,获取所述地表温度图像相对可见光图像的偏移量,根据所述偏移量,所述地表温度图像与可见光图像进行图像融合。3.根据权利要求1所述的基于无人机遥感图像的植被检测方法,其特征在于,所述将所述地表温度图像与可见光图像进行地理配准,获取所述地表温度图像相对可见光图像的偏移量,根据所述偏移量,所述地表温度图像与可见光图像进行图像融合,包括步骤:获取所述地表温度图像以及可见光图像的像素坐标数据;根据所述地表温度图像以及可见光图像的像素坐标数据,获取所述地表温度图像以及可见光图像对应的像素点的像素坐标数据差值,作为所述偏移量,根据所述偏移量,将所述地表温度图像以及可见光图像对应的像素进行叠加,获取所述融合图像。4.根据权利要求1所述的基于无人机遥感图像的植被检测方法,其特征在于,所述将所述融合图像转换为植被覆盖图像,包括步骤:根据所述融合图像以及植被指数算法,获取所述融合图像的植被指数,其中,所述植被指数包括过绿指数、过绿减红指数、植被颜色指数以及差异性植被指数;根据所述植被指数以及相应的植被指数阈值,对所述融合图像进行阈值分割,获取所述植被覆盖图像。
5.根据权利要求1所述的基于无人机遥感图像的...
【专利技术属性】
技术研发人员:邓应彬,荆文龙,杨骥,胡义强,李鑫,李梦圆,李勇,
申请(专利权)人:南方海洋科学与工程广东省实验室广州,
类型:发明
国别省市:
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。