基于无人机图像颜色指数的植被识别

被引：44

作者：

丁雷龙 ^{[1
,2
]}

李强子 ^{[2
]}

杜鑫 ^{[2
]}

田亦陈 ^{[2
]}

袁超 ^{[2
]}

机构：

[1] 中国地质大学(北京)地球科学与资源学院

[2] 中国科学院遥感与数字地球研究所

来源：

国土资源遥感 | 2016年 / 28卷 / 01期

关键词：

无人机(UAV); 植被识别; 颜色指数; RGB色域;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

植被信息在农业监测、生态环境保护等方面具有重要作用。利用无人机(unmanned aerial vehicle,UAV)获取的高分辨率图像识别植被信息具有成本低廉、方式灵活等优势。目前UAV遥感使用的可见光图像主要依靠各种颜色指数提取植被。以山东省微山县为研究区,选用NGRDI,Ex G,Ex G-ExR和GLI等4种基于RGB色域的颜色指数,对覆盖研究区的UAV图像进行灰度化处理,用最大类间方差自动阈值检测方法将植被区域与非植被区域识别出来,并分析各种颜色指数的适用性及影响因素。研究结果表明:4种颜色指数均能快速准确地识别植被覆盖区域,识别精度在90%以上。其中Ex G-ExR指数优于其他指数,识别精度最高,识别效果较稳定;Ex G与GLI指数的识别精度在研究区9景图像中变化不大,相对稳定,也可作为有效的植被识别方法。4种颜色指数对植被与背景的RGB特征差别较大图像的植被识别精度均较高。植被识别精度与研究区图像中冬小麦所占比例成正比,与阔叶林、建筑物/道路所占比例成反比。

引用

页码：78 / 86

页数：9

共 10 条

[1] 基于EXG因子的水稻秧苗图像分割
迟德霞
张伟
王洋
[J]. 安徽农业科学, 2012, 40 (36) : 17902 - 17903
[2] 基于数码照片的草地植被覆盖度快速提取方法
胡健波
张璐
黄伟
吴世红
刘长兵
[J]. 草业科学, 2011, (09) : 1661 - 1665
[3] 玉米苗期杂草的计算机识别技术研究
龙满生
何东健
[J]. 农业工程学报, 2007, (07) : 139 - 144
[4] A visible band index for remote sensing leaf chlorophyll content at the canopy scale[J] . E. Raymond Hunt,Paul C. Doraiswamy,James E. McMurtrey,Craig S.T. Daughtry,Eileen M. Perry,Bakhyt Akhmedov.International Journal of Applied Earth Observations and Geoinformation . 2013
[5] A new spectral index to detect Poaceae grass abundance in Mongolian grasslands
Shimada, S.
Matsumoto, J.
Sekiyama, A.
Aosier, B.
Yokohana, M.
[J]. ADVANCES IN SPACE RESEARCH, 2012, 50 (09) : 1266 - 1273
[6] Remote Sensing Leaf Chlorophyll Content Using a Visible Band Index
Hunt, E. Raymond, Jr.
Daughtry, C. S. T.
Eitel, Jan U. H.
Long, Dan S.
[J]. AGRONOMY JOURNAL, 2011, 103 (04) : 1090 - 1099
[7] Verification of color vegetation indices for automated crop imaging applications
Meyer, George E.
Neto, Joao Camargo
[J]. COMPUTERS AND ELECTRONICS IN AGRICULTURE, 2008, 63 (02) : 282 - 293
[8] Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status
Hunt Jr. E.R.
Cavigelli M.
Daughtry C.S.T.
McMurtrey III J.E.
Walthall C.L.
[J]. Precision Agriculture, 2005, 6 (4) : 359 - 378
[9] Intensified fuzzy clusters for classifying plant, soil, and residue regions of interest from color images[J] . George.E Meyer,Joao Camargo Neto,David D Jones,Timothy W Hindman.Computers and Electronics in Agriculture . 2003 (3)
[10] Spatially Located Platform and Aerial Photography for Documentation of Grazing Impacts on Wheat[J] . Mounir Louhaichi,Michael M. Borman,Douglas E. Johnson.Geocarto International . 2001 (1)

← 1 →