共查询到20条相似文献，搜索用时 62 毫秒
1.
《农业工程技术:农产品加工》2015,(30)
快速有效地对农作物图像(特别是大田监控图像)进行绿色植被分割,在图像处理技术在农业中的应用中具有重要意义。小麦是我国一个重要的粮食作物,小麦田中植物呈现绿色,与土壤背景颜色有明显的差异,合适的选取颜色空间可进行有效分割,进而计算特定时段麦田的植被覆盖度,长势等信息。本研究首先通过对常见颜色模型各单通道图像进行初步对比分析,选取HSV的H分量、YCb Cr的Cr分量、L*a*b*的a*分量、RGB颜色空间的G与R减运算量,通过2013年11月至2014年3月的大量小麦监控图像,人工选取34幅图像进行植被分割,并从结果数据中统计分析每种彩色分量的分割准确度和标准差。最终得出了在对麦田监控图像进行植被分割中,L*a*b*颜色模型的a*通道具有最准确和最稳定的结果:34幅不同时点的麦田监控图像,图像分割平均准确度近90%,分割准确度标准差在0.08以下。 相似文献
2.
基于可见光植被指数的乌海市矿山排土场坡面植被覆盖信息提取研究 总被引：1，自引：0，他引：1
3.
基于机器学习和多颜色空间的冬小麦叶片氮含量估算方法研究 总被引：1，自引：0，他引：1
《南京农业大学学报》2020,(2)
[目的]基于冠层图像可见光颜色分量进行冬小麦叶片氮含量(leaf nitrogen concentration,LNC)估算的算法研究,旨在为构建LNC估算模型提供方法借鉴。[方法]用Olympus E-620单反相机采集不同种植条件(2个品种、2个种植密度、3个氮处理)下2年生育期(2013年和2014年)的小麦冠层图像。基于H颜色分量的K-means聚类分割冠层图像,分别提取3个颜色空间HSV、L~*a~*b~*和RGB的3种基础颜色分量值,作为输入参数;分别使用多元线性回归(multivariate linear regression,MLR)、支持向量回归(support vector regression,SVR)、随机森林(random forest,RF)构建LNC估算模型,以决定系数R~2和均方根误差(root mean square error,RMSE)为评价指标;10×10嵌套交叉验证法分析3个颜色空间下各算法模型的拟合能力与泛化性能。[结果]单颜色空间下,3个算法模型的拟合与泛化性能以HSV空间下最优,L~*a~*b~*空间下其次,RGB空间下表现最弱;其中,RF拟合能力最强,但方差主导了泛化误差,模型过拟合;SVR拟合能力弱于RF,优于MLR,但该模型泛化性能最优;MLR拟合能力最弱,且偏差主导了泛化误差,模型欠拟合且受噪声干扰。融合3个颜色空间9种基础颜色分量的多颜色空间,3个模型拟合与泛化性能相对单颜色空间均更优,其中RF模型最优。与最优单色空间HSV相比,RF在训练集上R~2提高2.67%,RMSE降低11.59%;测试集上R~2提高7.57%,RMSE降低11.49%。多颜色空间下RF较SVR拟合更优,且泛化性能有效提升,提升比例高于SVR。[结论]基于3种算法构建的LNC估算模型,在融合3个颜色空间的9个基础颜色分量多颜色空间下,RF拟合与泛化性能最优,可为估算冬小麦LNC提供方法参考。 相似文献
4.
作物行检测是精准农业和自动导航的关键。为研究不同颜色空间作物行提取方法克服光照条件变化影响的性能，综合比较不同方法的优劣情况，选取归一化RGB颜色空间提取ExG分量方法(ExG分量法)、HSV颜色空间提取H分量方法(H分量法)、CIE-Lab颜色空间提取a分量方法(a分量法)3种方法，分别在阴天和晴天2种光照条件下进行了详细分析和比较。结果表明，ExG分量法和a分量法在阴天和晴天环境都具有可行性且基本能够满足实际需求；H分量法仅在阴天环境下具有可行性且基本能够满足实际需求，在晴天环境下无法完全准确分离作物和土壤。分析得出，阴天环境下综合比较优劣结果为a分量法>H分量法>ExG分量法，晴天环境下综合比较优劣结果为a分量法>ExG分量法。 相似文献
5.
基于手机相片的草地植被盖度估算方法研究 总被引：1，自引：0，他引：1
《浙江农业学报》2017,(6)
选取6种基于RGB通道信息的植被指数(VEG、CIVE、EXG、EXGR、NGRDI、COM),借助自主开发的手机APP对6种方法展开对比研究,从草绿度、天气条件、盖度3个角度分析估算误差的变化规律,并从阈值随光照变化角度评估每种方法的稳定性。研究表明,6种方法估算精度均高于90%,其中,COM方法最高,达到95.41%,NGRDI方法估算精度最低,为92.87%。每种方法对深绿色草的估算误差均小于对黄绿色草,在阴天条件下(云量≥70%)的估算误差小于晴天条件下(云量≤10%)。盖度增加时,VEG、CIVE、EXG、COM方法估算误差增大,EXGR、NGRDI方法无明显变化规律。同日内不同时次,随着太阳高度角、光照强度的变化,6种方法阈值无明显变化(阈值波动≤0.02)。不同天气条件下,VEG、CIVE方法的阈值基本无变化(阈值波动≤0.01),其余方法变化明显(阈值波动≥0.03)。综上,6种方法均可满足在手机平台中应用的要求,COM方法精度最高,NGRDI方法精度最低。VEG、CIVE方法阈值设定无须考虑光照变化影响,较其他方法具有更好的通用性。 相似文献
6.
水稻冠层数字图像分析技术在水稻生长监测、氮营养诊断及产量预测上具有应用潜力,而水稻像元精确分割、提取是水稻冠层数字图像分析结果准确、稳定、可靠的前提。最大类间方差法(Otsu法)具备分割质量稳定、自适应强的特性,分割效果较好,是一种常用的阈值分割方法。通过提取计算水稻冠层图像9种图像色彩指标R、G、B、CIEL*a*b*色彩空间的L*、a*、b*分量、HSV色彩空间的H分量、绿度叶片指数(GLD)以及植被指数(VIGreen),并以各种图像色彩指标的Otsu法对水稻冠层图像进行分割,比较其图像分割效果。结果表明,水稻和土壤像元的a*、b*、GLD、VIGreen色彩指标双峰性明显,且重叠性小,可作为分割水稻与土壤背景的候选图像色彩指标;基于a*、GLD、VIGreen色彩指标的Otsu法的分割精度较高,且基于a*色彩指标的Otsu法对水稻冠层图像分割效果的信噪比最大、误差率最低,其次是基于VIGreen色彩指标的Otsu法;基于CIEL*a*b*色彩空间的a*色彩指标是Otsu法的水稻冠层图像分割中较优的图像色彩指标。 相似文献
7.
基于像元二分法的冬小麦植被覆盖度提取模型 总被引：2，自引：0，他引：2
【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。 相似文献
8.
基于无人机高清数码影像的水稻产量估算 总被引：1，自引：0，他引：1
《沈阳农业大学学报》2017,(5)
目前常用的水稻产量估算方法以卫星遥感估产为主,卫星遥感估产的分辨率较低、缺乏机理性、误差较大。为了能够快速灵活地获取水稻冠层信息、提高分辨率、准确地估测水稻产量,利用无人机平台搭载高清数码相机,拍摄从抽穗期到成熟期的水稻冠层影像,首先应用中值滤波算法对RGB颜色空间下水稻冠层图像进行去噪,然后针对彩色水稻图像的颜色特征,将图像由RGB颜色空间转换到L*a*b*颜色空间,运用K均值聚类算法对水稻冠层图像进行聚类分析、图像分割,提取出水稻穗、获得水稻穗数量、代入水稻产量估算公式进行估产。试验区域共有18块水稻小区(长8m,宽5m),在水稻抽穗期到成熟期之间拍摄4次。试验记录的数据包括拍摄的时间、高度以及分辨率,同时还要在田间实测水稻穗的数量和水稻的产量,为后期评价和判断K均值聚类算法提取水稻穗的精度以及水稻产量估测的精度提供依据。对水稻产量的实测值与估测值、田间实测的水稻穗数量与图像中提取水稻穗数量进行对比分析。结果表明:对8月18日无人机拍摄的水稻冠层影像进行图像分割,提取出水稻穗的效果较好,估产的精度较高,产量估计均方根误差和平均绝对百分误差分别为9.08和22.8%,水稻穗数估计均方根误差和平均绝对百分误差分别为19.86和5.8%。说明利用无人机搭载数码相机能够快速、无损地获取水稻冠层信息,运用K均值聚类算法能够较为准确地将水稻穗从水稻冠层图像中分割出来,利用数字图像对水稻产量进行估算是可行的。 相似文献
9.
方格法与数字图像法测定盐碱化草地植被盖度的比较 总被引：3，自引：0，他引：3
盖度是衡量植物群落结构的一个重要数量指标。试验以样方尺度下草地植被盖度为研究对象,通过精度评价和实际测定,比较了数字图像法与传统方格法之间的优劣。结果表明,与传统方格法相比,数字图像法具有误差小、准确性较高和操作简便的优点,可应用于草地植被盖度的样方测量。 相似文献
10.
[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。 相似文献
11.
鄂尔多斯草地荒漠化程度定量评价 总被引：1，自引：0，他引：1
通过对鄂尔多斯草地荒漠化野外调查和分析,研究了植被盖度和生物量与荒漠化程度的相关性及作为中间变量遥感估测荒漠化程度的可行性.研究结果表明:植被盖度和生物量与荒漠化程度密切相关,相关系数分别达到了-0.899和-0.624,线性关系显著,随着植被盖度和生物量的减少,荒漠化程度不断加重;用植被盖度和生物量定量评价土地荒漠化程度获得了较理想的效果,其模型正确预报精度达到了85%,荒漠化程度预报误差不超过1个等级,可较好地满足生产需要. 相似文献
12.
以内蒙古呼伦贝尔草原为研究区,共选择放牧区和非放牧区的47个观测样地,利用数码相机获取草地冠层照片,利用HLS彩色变换与RGB结合法及其他方法分别提取植被覆盖度。结果表明:本文发展的HLS彩色变换与RGB结合法提取的植被覆盖度的平均精度达85.85%,仅次于最大似然监督分类法。基于本文方法提取的实测点草地植被覆盖度与Landsat-5 TM影像计算的6种植被指数均有较好的正相关关系,其中与减小的比值植被指数(RSR)的相关性最高,从而建立了植被覆盖度遥感估算模型。遥感估算的研究区植被覆盖度空间差异明显,大部分草地植被覆盖度在0.7～0.9之间,而放牧区的草地植被覆盖度大多在0.5～0.7之间。 相似文献
13.
为快速、精准地提取冬前分蘖期冬小麦覆盖度,提出了一种基于改进K-means算法的冬小麦覆盖度提取方法。首先将冬小麦图像转换到Lab色彩空间,其次利用蜉蝣算法（Mayfly Algorithm, MA）获取K-means最优初始聚类中心,并用马氏距离代替欧氏距离进行算法改进,最后利用分割得到的二值图像计算冬小麦覆盖度。结果显示,该方法的平均分割精度和平均处理时间分别为94.66%和2.03 s,与过绿指数（excess green,EXG）自适应阈值分割和基于粒子群优化算法（particle swarm optimization,PSO）的K-means(PSO-K-means)分割相比,分割精度分别提高了12.04%和4.18%,处理时间分别减少了2.26和2.94 s。该方法分割效果优于EXG和PSO-K-means分割方法,可用于提取冬小麦覆盖度。 相似文献
14.
选用江西省余干县多角度高光谱遥感数据CHRIS/PROBA,提取了5种植被指数(VI),即归一化植被指数(NDVI)、垂直植被指数(PVI)、调整土壤植被指数(MSAVI)、比值植被指数(RVI)、大气阻抗植被指数(ARVI),与地面实测的植被叶面积指数进行了回归分析,建立300个LAI-VI关系模型。结果表明:在所有的模型中,从5个角度来看,0°提取叶面积指数效果最好,R2=0.591,RMSE=0.650;-55°提取叶面积指数效果最差,R2=0.551,RMSE=0.821;从植被类型来看,针阔林最好,其次为阔叶林、灌木、针叶林和草地;从植被模型种类来看,指数模型好于一次回归模型;从植被指数来看,PVI最好,其次为MSAVI、NDVI、RVI、ARVI。在LAI-VI关系建模过程中,基于多角度高光谱遥感数据提取植被指数,有利于充分挖掘遥感影像信息,能够提高LAI估算精度。 相似文献
15.
针对卫星遥感影像难以准确提取局部地区植被物候的问题,本研究以兰州植物园草坪草、连翘、牡丹、黄刺玫和香荚蒾等5种植被为研究对象,基于多时相无人机影像,提出了一种局部地区植被春季物候期估算方法。首先利用无人机获取的多时相兰州植物园植被影像,分析各植被超绿指数(ExG)、超绿超红差分指数(ExGR)、绿叶指数(GLI)和植被因子指数(VEG)等植被指数的时序变化特征,并进行一元三次多项式拟合,使用导数法提取各植被的发芽期、开花期、结果期等春季物候期,然后与人工观测物候资料进行比较,明确不同植被指数下物候期的估算精度。结果表明：除草坪草的发芽期和结果期以及牡丹的发芽期,4种植被指数估算得到的物候期基本一致,但其和实际物候期均存在不同程度的误差;发芽期估算误差最大的是黄刺玫,平均提前27 d,最小的是香荚蒾,平均推迟8 d;开花期估算误差较大的是草坪草和牡丹,平均误差均在20 d以上,最小的是连翘和香荚蒾;结果期估算误差最大的是香荚蒾,平均提前35 d,最小的是牡丹,平均提前5 d。基于ExG指数估算的开花期和结果期与实际观测期一致性最好,均方根差分别为14.01 d和17.28 d,而VEG指... 相似文献
16.
17.
通过田间试验分析了16种常用图像特征指数在不同受渍时长下的变化特征及其与小麦叶绿素的相关关系,并建立了基于图像特征指数衰减量的小麦叶绿素灾损估算模型。结果显示,红光(R)、红光标准化值(NRI)、绿-红差值指数(GMR)、超红指数(EXR)、植被颜色指数(CIVE)、Woebbecke指数(WI)随渍水时间的增加极显著上升,而绿光标准化值(NGI)、归一化绿红差值指数(NGRDI)、超绿指数(EXG)、绿红比值指数(GRVI)则极显著下降;且这10个图像特征指数均与小麦叶绿素呈极显著的相关关系,相关系数的最大绝对值达到0.98;基于图像指数衰减量建立的叶绿素减少量的估算模型均以二次多项式为最优模型,且以NGRDI、CIVE、EXG、NGI和GRVI指数衰减量构建的估算模型精度较高,R2均达到0.99以上。由此可以看出,基于数字图像技术可以有效估算小麦叶绿素含量,进行小麦渍害监测,且NGRDI、CIVE、EXG、NGI和GRVI可作为灾损图像指数来反映小麦叶绿素的受渍程度。 相似文献
18.
《现代农业科技》2018,(19)
过度放牧是贵州喀斯特人工草地退化主要人为驱动力之一。研究贵州喀斯特人工草地放牧管理策略,对贵州人工草地的可持续发展有重要指导意义。本研究结合无人机技术对草地植被盖度进行调查,比较不同放牧强度对植被盖度、地上生物量、植被地上部碳氮含量的影响和相同模拟放牧强度对不同混播草地植被盖度、生物量、植被地上部碳氮含量的影响,分析地上生物量、植被地上部碳氮含量与盖度的相关性。结果表明,轻度放牧下,植被盖度、地上生物量鲜重、地上生物量干重和植被地上部碳氮比分别比重度放牧显著升高了16.4%、302.4%、292.5%和132.1%(p<0.01),植被地上部氮含量显著降低了58.2%(p<0.01),放牧强度对植被地上部碳含量影响不显著(p>0.01);在相同模拟放牧强度干扰下,混播组合对植被盖度、地上生物量(鲜重和干重)、植被地上部碳、氮含量和碳氮比的影响均不显著(p>0.01)。相比于相同植被类型模式下的混播组合,草地盖度和地上生物量等的响应更受制于放牧强度调控,这进一步揭示,目前放牧强度下,贵州本地人工草地需要采取更低放牧强度的管理策略。不同放牧强度下,地上生物量、植被地上氮含量与植被盖度的相关性较好,结合无人机航拍图片,可为家庭牧场地上生物量和氮含量的无损、快速监测提供可行的途径。 相似文献
19.
为考察热处理对毛竹竹材表面颜色的影响,采用大豆油、固体石蜡、导热油、二甲基硅油、空气5种介质在200℃下对毛竹竹材热处理0.5~8 h,用国际照明委员会(CIE)制定的CIE 1976—L*a*b*颜色系统表征热处理前后竹材表面颜色,计算颜色总色差(ΔE*)、明度(L*)变化、红绿色品指数(a*)变化、黄绿色品指数(b*)变化,探讨热处理介质和处理时间对竹材颜色的影响。结果表明,不同热处理介质和处理时间均能显著改变热处理竹材表面的颜色,在相同的热处理时间下,不同介质改变毛竹竹材颜色的程度差异较大,大豆油、固体石蜡、导热油和二甲基硅油热处理竹材的ΔE*是空气的1.37~2.10倍。随着热处理时间的延长,热处理后竹材表面ΔL*、Δb*的绝对值逐渐增大;Δa*随时间的变化趋势与介质有关,空气与其他介质对Δa*的影响方向是相反的;ΔE*则随着热处理时间的延长而逐渐增大。 相似文献
20.
针对机械手摘除苹果果袋时的图像识别问题,提出了一种通过转换颜色空间的分割算法:将RGB颜色空间的图像转换到L*a*b*颜色空间,进行自适应阈值分割、去噪、面积提取等处理后,获得果袋分割后的图像,并计算出果袋的重心坐标。实验结果表明,当果袋遮挡面积不大于果袋总面积的25%时,重心坐标水平方向误差≤10.5 mm,垂直方向误差≤8.8 mm,满足机械手进行果袋摘除的定位要求。利用该方法进行果袋图像分割可解决光照强度对图像检测影响的问题。 相似文献