论文部分内容阅读
田间植物识别是精准农业中一项基础的信息获取工作,关系到国家的粮食安全。遥感是一种精确、实时、高效的信息获取手段,多年来一直被应用于农业领域,是获取田间数据的重要方式。近年来,成像光谱技术蓬勃发展,解决了传统遥感科学领域“成像无光谱”和“光谱不成像”的历史问题。在田间植物识别中,利用成像光谱技术一方面能够更为细致、全面地获取不同种类植物的光谱特征及其差异,从而提高田间植物遥感分类识别的精细程度和准确性,另一方面可以获得空间上连续的田间数据,视具体的数据空问分辨率或得到植株的空间结构信息或进行农田制图。此外,高空间分辨率成像光谱数据在分类识别方法评价方面,以及在不同光谱通道和空间分辨率遥感数据模拟分类识别研究方面具有优势。 目前,基于成像光谱数据的田间植物识别研究方兴未艾,该领域研究尚存在以下不足:(1)传统遥感数据的一些分类思想还没有在成像光谱数据上得到推广实现,将一些传统遥感数据分类方法应用于成像光谱数据时,对方法的改进或应用水平深化研究还不充分;(2)在地面或航空/航天尺度,利用高空间分辨率成像光谱数据模拟不同光谱通道和空间分辨率的遥感影像,分析传感器光谱通道和数据空间分辨率与识别精度的关系,基于成像光谱数据对应用于田间植物识别的遥感数据光谱通道和空间分辨率进行选择的研究很少被涉及。 在全面分析研究现状的基础上,论文在地面和航空/航天尺度围绕田间植物识别开展了两个方向的研究:一个方向是成像光谱数据田间植物识别方法研究,包括基于RNDVI的植被像元提取方法研究、多特征参与的SVM田间植物识别方法研究和面向对象的田间植物识别方法研究等;另一个方向是基于成像光谱数据的田间植物识别遥感数据选择研究,包括数据光谱通道选择研究和空间分辨率选择研究。 论文的具体研究内容主要包括以下几个方面: (1)在地面尺度,开展成像光谱数据田间植被像元提取方法研究。提出改进NDVI的红波段加强型归一化植被指数(RNDVI),在该植被指数的基础上开展RNDVI阈值法和RNDVI-SVM法植被像元提取研究。 (2)在地面和航空/航天尺度,利用成像光谱数据开展多特征参与的SVM田间植物识别方法研究,包括多特征组合策略研究和特征降维策略研究。 (3)在地面尺度,利用成像光谱数据开展面向对象的田间植物识别方法研究。在对象识别阶段根据地面成像光谱数据的特点,在对对象的形状特征与高光谱特征提取分析的基础上提出一种基于形状特征规则与光谱角匹配的田间植物对象识别方法。 (4)在地面和航空/航天尺度,利用高空间分辨率成像光谱数据模拟不同光谱通道和空间分辨率的遥感影像,分析传感器光谱通道和数据空间分辨率与识别精度的关系,综合考虑识别精度、识别效率与数据获取成本等因素,开展应用于田间植物识别的遥感数据光谱通道和空间分辨率选择研究。 论文的创新性成果主要包括以下几个方面: (1)提出红波段加强型归一化植被指数(RNDVI)。对于地面成像光谱数据,在阴影存在的田间场景中,使用RNDVI阈值法可以取得比NDVI阈值法更好的植被像元提取效果。提出RNDVI-SVM法用于地面成像光谱数据中植被像元的自动提取,根据RNDVI图像的统计直方图为SVM输入训练样本进行植被与背景的二类分类,可取得令人满意的植被像元提取精度。 (2)利用成像光谱数据研究多特征参与的SVM田间植物识别方法,在地面和航空/航天尺度,提出应用于成像光谱数据田间植物识别的多特征组合策略和特征降维策略。实验表明,多特征参与的SVM田间植物识别精度优于仅使用原始光谱特征时的SVM识别精度。 (3)利用面向对象方法进行成像光谱数据田间植物识别,根据地面成像光谱数据的特点,提取田间植物的形状特征及高光谱特征,提出一种基于形状特征规则与光谱角匹配的田间植物对象识别方法。 (4)在地面和航空/航天尺度,利用高空间分辨率成像光谱数据模拟不同光谱通道和空间分辨率的遥感影像,基于成像光谱数据提出田间植物识别遥感数据光谱通道和空间分辨率选择策略。