一种喀斯特地区火龙果单株识别自动提取方法与流程

本发明属于火龙果单株识别技术领域，涉及一种喀斯特地区火龙果单株识别自动提取方法。

背景技术：

为了缓解喀斯特高原峡谷区农业资源紧张与环境压力巨大之间的矛盾，秉着开发有限空间内典型经济作物无限价值的理念，未来农业的利用必将从“粗放”向“精细”转型。但现有支撑精准农业的新型遥感技术应用主要还集中在地物的识别分类上。因此本次研发结合贵州的特殊地形地貌选用无人机平台搭载可见光镜头获取高分辨影像，使用仅含r、g、b三波段的高分辨影像进行波段计算分割出目标地物，提出一种以植株平均面积分割株丛的思想结合可视化编程空间建模工具模型构建器，搭建了火龙果单株自动提取批处理及精度验证模型。

技术实现要素：

本发明要解决的技术问题是：提供一种喀斯特地区火龙果单株识别自动提取方法，以解决现有技术中存在的技术问题。

本发明采取的技术方案为：一种喀斯特地区火龙果单株识别自动提取方法，该方法包括以下步骤：

(1)使用无人机平台搭载可见光镜头规划自动航线，将无人机航高、航向、旁向重叠度分别设置为40m、70％、60％，进行拍照获取航片；

(2)使用影像拼接软件导入航片，完成空中三角形测量计算生成航摄点云数据，获取测区数字正射影像图；

(3)通过对航片获取过程中因无人机抖动产生的变形、扭曲、失真、模糊和噪音的纠正，并对其进行图像增强、整饰、裁剪、重建的预处理获取测区高分辨率影像；

(4)对获取的高分辨率影像进行波段计算，计算方法为：float(2*b2-b1-b3/2*b2+b1+b3)，其中float表示计算结果为浮点型，b1、b2、b3分别表示红、绿、蓝三波段；

(5)采用最大类方差法按照图像的灰度特性将其分为背景和目标两部分，利用idl交互式语言编程实现自动提取分割阈值，当阈值t使目标与背景之间的类方差最大时，阈值t即为分割目标地物的最佳阈值；

(6)使用提取的阈值将目标地物与背景值分割成两个不同的图层获取测区火龙果的矢量斑块；

(7)使用arcgis软件的几何工具计算每一小块图斑的面积，剔除背景和零碎图斑获取仅含目标地物的矢量斑块；

(8)判断图斑是否分离，对分离彻底的斑块进行统计即为火龙果单株数，对分离不彻底连在一起的株丛，采用一种用分离彻底的火龙果单株平均面积分割连体株丛的方法，方法为：用每个连体斑块的面积分别除以单株火龙果的平均面积，获得每个连体斑块的分离数，将其使用设定的规则转化为整型即为连体植株的单株分离数量；

(9)将分离彻底的植株数加上连体植株的分离数即为整个测区的单株总数量，获得测区目标地物单株分离的统计总数；

(10)人机交互野外验证获取测区实际单株数验证自动提取的精度，验证方法为

式中，ρ表示正确率，m表示提取株数，n表示实际株数，通过该公式计算出了识别提取的火龙果精度，便于对提取结果进行评价。

步骤(5)中最大类方差法计算方法:

n0+n1＝mn(9)

w0+w1＝1(10)

μ＝w0μ0+w1μ1(11)

σ＝w0(μ0-μ)²+w1(μ1-μ)²(12)

式中：w0为目标像元点占整景图像的比例，w1为背景像元点占整景图像的比例，μ0为目标地物像元平均灰度，μ1为背景像元平均灰度，μ为图像总平均灰度，mn表示图像大小，n0为灰度小于t的像元个数，n1为灰度大于t的像元个数，σ为类间方差。

本发明的有益效果：与现有技术相比，本发明的效果如下：

1)采用本发明的火龙果单株提取方法，相比传统卫星遥感的方式，能够大大提高喀斯特地区单株火龙果影像计算精确度，实现火龙果单株自动提取批处理，处理效率高，大大减轻劳动强度；

2)通过将无人机航高、航向、旁向重叠度分别设置为40m、70％、60％获取高清航片，弥补喀斯特地区(如贵州)多云雨天气传统卫星获取影像精度不够的缺陷，做到按需获取高分辨影像；

3)通过波段计算，获取影像的灰度图，用仅含红、禄、蓝三个波段构建的植被指数运算，相比多光谱、高光谱成本更低；

4)用该方法分割连体植株，较完全地把连体植株划分成了单颗植株。优点：第一次提出用植株平均面积去分割株丛的思想，并实验取得了一定的效果；

5)本发明的方法获得的提取结果能为火龙果长势监测、火龙果估产、火龙果植株形态学信息采集，进一步开发火龙果价值、以及为喀斯特山区精准农业服务，提供一定的参考价值。

附图说明

图1为技术路线流程图；

图2为火龙果单株自动提取及精度验证模型图；

图3为试验区无人机可见光影像图；

图4为波段计算结果图；

图5为火龙果提取效果图。

具体实施方式

下面结合附图及具体的实施例对本发明进行进一步介绍。

实施例1：如图1-图5所示，一种喀斯特地区火龙果单株识别自动提取方法，该方法包括以下步骤：

(1)使用无人机平台搭载可见光镜头规划自动航线，设置航高、航向、旁向重叠度分别设置为40m、70％、60％获取航片；

(2)使用影像拼接软件导入航片，完成空中三角形测量计算生成航摄点云数据，获取测区数字正射影像图；

(3)通过对航片获取过程中因无人机抖动产生的变形、扭曲、失真、模糊和噪音的纠正，并对其进行图像增强、整饰、裁剪、重建的预处理获取测区高分辨率影像；

(4)对获取的高分辨影像进行波段计算，软件选用主流的遥感图像处理软件envi，工具选用bandmath，计算方法为：float(2*b2-b1-b3/2*b2+b1+b3)，其中float表示计算结果为浮点型，b1、b2、b3分别表示红、绿、蓝三波段；

(5)根据最大类方差法(otsu)按照图像的灰度特性将其分为背景和目标两部分，利用idl(interfacedescriptionlanguage)交互式语言编程实现自动提取分割阈值，其核心思想是当阈值t使目标与背景之间的类方差最大时，阈值t即为分割目标地物的最佳阈值，获得该影像的分割阈值为0.037，计算快速和精确度高；

最大类方差法计算方法:

n0+n1＝mn(9)

w0+w1＝1(10)

μ＝w0μ0+w1μ1(11)

σ＝w0(μ0-μ)²+w1(μ1-μ)²(12)

式中：w0为目标像元点占整景图像的比例，w1为背景像元点占整景图像的比例，μ0为目标地物像元平均灰度，μ1为背景像元平均灰度，μ为图像总平均灰度，mn表示图像大小，n0为灰度小于t的像元个数，n1为灰度大于t的像元个数，σ为类间方差；

(6)使用提取的阈值将目标地物与背景值分割成两个不同的图层获取测区火龙果的矢量斑块，便于快速识别出目标地物；

(7)使用arcgis软件的几何工具计算每一小块图斑的面积，剔除背景和零碎图斑获取仅含目标地物的矢量斑块，获得成型完整的纯目标区域的矢量图层；

(8)判断图斑是否分离：对分离彻底的斑块进行统计即为火龙果单株数，对分离不彻底连在一起的株丛提出一种用分离彻底的火龙果单株平均面积分割连体株丛的思想，具体为用每个连体斑块的面积分别除以单株火龙果的平均面积，获得每个连体斑块的分离数，此数为双精度型，将其使用设定的规则(按照四舍五入的方式规整)转化为整型即为连体植株的单株分离数量；

(9)将分离彻底的植株数加上连体植株的分离数即为整个测区的单株总数量；

(10)人机交互野外验证获取测区实际单株数验证自动提取的精度，验证方法为

式中，ρ表示正确率，m表示提取株数，n表示实际株数。其中(7)～(12)均集成于模型构建器实现自动批处理；

(11)提取结果评估：

表1提取各指标特征值统计

如表1，自动提取的植株总数为320颗，人机交互野外验证获取的实际株数为295颗，自动提取的株数比实际株数多了25颗，代入精度验证公式可得提取精度为91.7％，错误率为8.3％，造成多提错分的原因主要来源于连体植株的阴影及部分杂草的干扰，错将其面积归为了目标地物。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。