一种结合无人机影像纹理特征的果树叶片氮含量估算方法技术

本发明专利技术涉及一种结合无人机影像纹理特征的果树叶片氮含量估算方法，针对目标果园区域，首先获得该多光谱遥感影像分别对应预设各波段的灰度值影像；接着获得各波段灰度值影像分别对应的LBP特征影像；再获得预设各采样位置所包含树冠区域分别对应预设各类型光谱指数值；然后获得预设各采样位置所包含树冠区域分别对应各波段下的综合特征；最后训练获得以果树冠部所对应预设各类型光谱指数值、各波段下综合特征为输入，果树冠部所对应叶片氮含量为输出的叶片氮含量估算模型；设计方法克服了以往化学方法成本高昂、对果树具有破坏性、结果难以推广至大范围等弊端；同时该方法充分利用无人机影像纹理特征，极大提高估算的准确率，为果园种植生产提供科学的决策支持。为果园种植生产提供科学的决策支持。为果园种植生产提供科学的决策支持。

【技术实现步骤摘要】
一种结合无人机影像纹理特征的果树叶片氮含量估算方法


[0001]本专利技术涉及一种结合无人机影像纹理特征的果树叶片氮含量估算方法，属于神经网络分类


技术介绍

[0002]氮是果树生长必需的营养元素，不仅能够促进果树的养分转运速率，还影响着果树生长、花芽分化等生理过程，对果实品质提升和产量提高具有积极的作用。施氮过量会导致氮素难以被果树吸收，渗入土壤后极易造成地下水污染，从而引发许多环境问题。作为柑橘重要的原产地之一，我国柑橘种植面积持续增长、规模不断扩大，柑橘已成为国内重要的经济作物，也在全国多个地区成为支柱产业。准确地获取果树叶片氮含量(Leaf Nitrogen Content，LNC)对合理施用氮肥和保障果实品质而言是一项重要而又关键的工作，只有准确诊断作物的营养水平，才能及时采取科学的种植措施，从而实现果实的提质增产。
[0003]传统依靠化学试验检测柑橘叶片氮含量的方法，如凯氏定氮法和分光光度法，在进行化学检测之前，需要耗费大量人力和时间对叶片样品进行采集和处理，化验结果的准确性和代表性还会受到操作者的主观判断、仪器设备等因素的影响，最终的化验结果依然停留在采样点尺度，难以推广至整个区域，因此传统方法一直存在着时效性差且难以大范围推广等弊端。
[0004]无人机作业成本低廉，且具备灵活、安全等优点，能够快速获取周期性的影像数据，进而可以弥补现有航天、航空遥感平台的不足，完善地面农情信息监测体系，可以获取更加精确的中小尺度农田遥感信息，对作物动态监测具有更加重要的意义。目前，无人机已经被广泛地应用于农业遥感监测领域，无人机搭载多种传感器，极大地丰富了农情数据的种类，影像纹理、色彩信息和光谱特征也被纳入农业遥感的研究范围内，多尺度、高精度的作物生理生化指标估算将为现代化精准农业管理提供决策支持。

技术实现思路

[0005]本专利技术所要解决的技术问题是提供一种结合无人机影像纹理特征的果树叶片氮含量估算方法，采用全新策略设计，能够实现对果园地块尺度叶片氮含量的准确估算。
[0006]本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种结合无人机影像纹理特征的果树叶片氮含量估算方法，通过步骤A至步骤E，获得目标果园区域所对应的叶片氮含量估算模型，通过步骤i，应用叶片氮含量估算模型，实现对目标果园区域中目标果树冠部叶片氮含量的检测；
[0007]步骤A.获得目标果园区域对应预设果树叶片生长成熟、且理化参数稳定时期的多光谱遥感影像，并获得该多光谱遥感影像分别对应预设各波段的灰度值影像，然后进入步骤B；
[0008]步骤B.分别针对各波段的灰度值影像，获得灰度值影像所对应的LBP特征影像，进而获得各波段灰度值影像分别对应的LBP特征影像，然后进入步骤C；
[0009]步骤C.获得各波段灰度值影像分别对应的光谱反射率影像，并基于预设各采样位置所包含树冠区域分别对应各波段的光谱反射率，结合预设各波段之间的联系，获得预设各采样位置所包含树冠区域分别对应预设各类型光谱指数值，然后进入步骤D；
[0010]步骤D.分别针对各波段，将波段下的LBP特征影像、光谱反射率影像进行结合，获得各波段下的综合特征影像，进而获得预设各采样位置所包含树冠区域分别对应各波段下的综合特征，然后进入步骤E；
[0011]步骤E.根据预设各采样位置所包含树冠区域分别所对应预设各类型光谱指数值、以及各波段下综合特征，结合预设各采样位置所包含树冠区域分别所对应预先采集叶片氮含量，针对预设待训练模型进行训练，获得以果树冠部所对应预设各类型光谱指数值、各波段下综合特征为输入，果树冠部所对应叶片氮含量为输出的叶片氮含量估算模型；
[0012]步骤i.基于目标果园区域的遥感影像，按步骤A至步骤D的方法，获得目标果树冠部所对应预设各类型光谱指数值、各波段下综合特征，应用叶片氮含量估算模型，获得目标果树冠部所对应的叶片氮含量。
[0013]作为本专利技术的一种优选技术方案：所述步骤A中，基于所获多光谱遥感影像，执行空中三角测量、几何配准、影像拼接，获得该多光谱遥感影像分别对应预设各波段的灰度值影像。
[0014]作为本专利技术的一种优选技术方案：所述步骤B中，分别针对各波段的灰度值影像，执行如下步骤B1至步骤B2，获得灰度值影像所对应的LBP特征影像，进而获得各个波段灰度值影像分别所对应的LBP特征影像；
[0015]步骤B1.分别针对灰度值影像中的各个像素位置，将像素位置作为目标像素位置，执行如下步骤B1
‑
1至步骤B1
‑
3，获得目标像素位置所对应的LBP特征值；进而获得灰度值影像中各像素位置分别对应的LBP特征值，然后进入步骤B2；
[0016]步骤B1
‑
1.选择以目标像素位置为圆心、预设第一距离半径区域内，除目标像素位置以外的其余各个像素位置，作为各个待分析像素位置，并进入步骤B1
‑
2；
[0017]步骤B1
‑
2.分别针对各个待分析像素位置，判断待分析像素位置像素值与目标像素位置像素值之间的差值是否大于0，是则定义该待分析像素位置的待组合LBP特征值为0，否则定义该待分析像素位置的待组合LBP特征值为1；进而获得各个待分析像素位置分别对应的待组合LBP特征值，然后进入步骤B1
‑
3；
[0018]步骤B1
‑
3.基于灰度值影像中以像素位置为圆心、预设第一距离半径区域所覆盖最多像素位置的个数N，以及其中除圆心像素位置以外、预设其余N
‑
1个像素位置的排序，针对各待分析像素位置分别所对应待组合LBP特征值、以及定义缺失位置对应0，执行顺序排列组合，构成目标像素位置所对应N
‑
1位数的LBP特征值；
[0019]步骤B2.基于灰度值影像中各像素位置分别对应的LBP特征值，即获得灰度值影像所对应的LBP特征影像。
[0020]作为本专利技术的一种优选技术方案：所述步骤B1中还包括步骤B1
‑
4如下，执行完步骤B1
‑
3之后，进入步骤B1
‑
4；
[0021]步骤B1
‑
4.顺序统计目标像素位置所对应LBP特征值中0到1变化次数与1到0变化次数之和U(LBP)，并判断U(LBP)是否大于预设变化次数阈值t，是则更新目标像素位置所对应LBP特征值为0；否则按如下公式：
[0022][0023]获得Q，并更新目标像素位置所对应LBP特征值为Q，其中，g0表示目标像素位置所对应像素灰度值，1≤i
目
≤I
目
‑
1，I
目
表示以目标像素位置为圆心、预设第二距离半径区域所覆盖像素位置的个数；g
i目
表示以目标像素位置为圆心、预设第二距离半径区域所覆盖各像素位置中，除目标像素位置以外的第i
目
个像素位置所对应像素灰度值；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合无人机影像纹理特征的果树叶片氮含量估算方法，其特征在于：通过步骤A至步骤E，获得目标果园区域所对应的叶片氮含量估算模型，通过步骤i，应用叶片氮含量估算模型，实现对目标果园区域中目标果树冠部叶片氮含量的检测；步骤A.获得目标果园区域对应预设果树叶片生长成熟、且理化参数稳定时期的多光谱遥感影像，并获得该多光谱遥感影像分别对应预设各波段的灰度值影像，然后进入步骤B；步骤B.分别针对各波段的灰度值影像，获得灰度值影像所对应的LBP特征影像，进而获得各波段灰度值影像分别对应的LBP特征影像，然后进入步骤C；步骤C.获得各波段灰度值影像分别对应的光谱反射率影像，并基于预设各采样位置所包含树冠区域分别对应各波段的光谱反射率，结合预设各波段之间的联系，获得预设各采样位置所包含树冠区域分别对应预设各类型光谱指数值，然后进入步骤D；步骤D.分别针对各波段，将波段下的LBP特征影像、光谱反射率影像进行结合，获得各波段下的综合特征影像，进而获得预设各采样位置所包含树冠区域分别对应各波段下的综合特征，然后进入步骤E；步骤E.根据预设各采样位置所包含树冠区域分别所对应预设各类型光谱指数值、以及各波段下综合特征，结合预设各采样位置所包含树冠区域分别所对应预先采集叶片氮含量，针对预设待训练模型进行训练，获得以果树冠部所对应预设各类型光谱指数值、各波段下综合特征为输入，果树冠部所对应叶片氮含量为输出的叶片氮含量估算模型；步骤i.基于目标果园区域的遥感影像，按步骤A至步骤D的方法，获得目标果树冠部所对应预设各类型光谱指数值、各波段下综合特征，应用叶片氮含量估算模型，获得目标果树冠部所对应的叶片氮含量。2.根据权利要求1所述一种结合无人机影像纹理特征的果树叶片氮含量估算方法，其特征在于：所述步骤A中，基于所获多光谱遥感影像，执行空中三角测量、几何配准、影像拼接，获得该多光谱遥感影像分别对应预设各波段的灰度值影像。3.根据权利要求1所述一种结合无人机影像纹理特征的果树叶片氮含量估算方法，其特征在于：所述步骤B中，分别针对各波段的灰度值影像，执行如下步骤B1至步骤B2，获得灰度值影像所对应的LBP特征影像，进而获得各个波段灰度值影像分别所对应的LBP特征影像；步骤B1.分别针对灰度值影像中的各个像素位置，将像素位置作为目标像素位置，执行如下步骤B1
‑
1至步骤B1
‑
3，获得目标像素位置所对应的LBP特征值；进而获得灰度值影像中各像素位置分别对应的LBP特征值，然后进入步骤B2；步骤B1
‑
1.选择以目标像素位置为圆心、预设第一距离半径区域内，除目标像素位置以外的其余各个像素位置，作为各个待分析像素位置，并进入步骤B1
‑
2；步骤B1
‑
2.分别针对各个待分析像素位置，判断待分析像素位置像素值与目标像素位置像素值之间的差值是否大于0，是则定义该待分析像素位置的待组合LBP特征值为0，否则定义该待分析像素位置的待组合LBP特征值为1；进而获得各个待分析像素位置分别对应的待组合LBP特征值，然后进入步骤B1
‑
3；步骤B1
‑
3.基于灰度值影像中以像素位置为圆心、预设第一距离半径区域所覆盖最多像素位置的个数N，以及其中除圆心像素位置以外、预设其余N
‑
1个像素位置的排序，针对各待分析像素位置分别所对应待组合LBP特征值、以及定义缺失位置对应0，执行顺序排列组
合，构成目标像素位置所对应N
‑
1位数的LBP特征值；步骤B2.基于灰度值影像中各像素位置分别对应的LBP特征值，即获得灰度值影像所对应的LBP特征影像。4.根据权利要求3所述一种结合无人机影像纹理特征的果树叶片氮含量估算方法，其特征在于：所述步骤B1中还包括步骤B1
‑
4如下，执行完步骤B1
‑
3之后，进入步骤B1
‑
4；步骤B1
‑
4.顺序统计目标像素位置所对应LBP特征值中0到1变化次数与1到0变化次数之和U(LBP)，并判断U(LBP)是否大于预设变化次数阈值t，是则更新目标像素位置所对应LBP特征值为0；否则按如下公式：获得Q，并更新目标像素位置所对应LBP特征值为Q，其中，g0表示目标像素位置所对应像素灰度值，1≤i
目
≤I
目...

【专利技术属性】
技术研发人员：李勇，吴彤，葛莹，张庭轩，袁晓慧，庄翠珍，
申请(专利权)人：新平褚氏农业有限公司，
类型：发明
国别省市：