本发明涉及作物识别领域,特别是涉及一种绿色作物识别方法、系统、设备及介质。
背景技术:
1、基于光谱分析技术的遥感方法具备非破坏、高通量、大面积等优点,能够实时准确地对目标物进行监测。当从目标区域提取图谱信息用于作物长势监测时,对土壤背景的忽视将不可避免地引入杂质与噪声,最终对作物长势监测结果造成严重干扰。因此,在遥感影像中对作物进行精确识别将是决定一系列后续研究结果是否准确的关键一步。
2、目前主要的作物识别方法有:基于颜色模型的识别方法、基于机器学习的识别方法和基于指数阈值的识别方法,但是以上三种方法缺点也很明显,基于颜色模型的方法不够准确;基于机器学习的方法训练成本高且通用性无法保证;基于指数阈值的方法的识别精度容易受到光线条件和植被覆盖度变化的影响。到目前为止,仍然没有适用于不同生长时期和复杂光线环境下稳定的、定量的作物识别方法。
技术实现思路
1、本发明的目的是提供一种绿色作物识别方法、系统、设备及介质,以解决绿色作物识别精度低和定量难的问题。
2、为实现上述目的,本发明提供了如下方案:
3、一种绿色作物识别方法,包括:
4、获取多光谱遥感影像;
5、根据所述多光谱遥感影像中的红光波段和近红外波段计算多光谱遥感影像中的植被覆盖度指数;
6、对所述多光谱遥感影像中的每个像素进行逐个识别,得到目标像素的归一化植被指数;
7、根据所述目标像素在红光波段和近红外波段的光谱反射率计算目标像素的反射光谱曲线从红光波段到近红外波段的斜率;
8、根据所述斜率、所述植被覆盖度指数和所述目标像素的归一化植被指数构建绿色作物识别指数;
9、根据所述绿色作物识别指数确定绿色作物识别结果;所述绿色作物识别结果为影像中待识别的目标像素是绿色作物或者影像中待识别的目标像素不是绿色作物。
10、可选地,根据所述多光谱遥感影像中的红光波段和近红外波段计算多光谱遥感影像中的植被覆盖度指数,具体包括:
11、根据所述多光谱遥感影像中的红光波段和近红外波段计算所有像素的归一化植被指数;
12、根据所有像素的归一化植被指数确定归一化植被指数最大值、归一化植被指数最小值和归一化植被指数平均值;
13、根据所述归一化植被指数最大值、所述归一化植被指数最小值和所述归一化植被指数平均值计算多光谱遥感影像中的植被覆盖度指数。
14、可选地,所述植被覆盖度指数的表达式为:
15、cv=((nave-nmin)/(nmax-nave))^0.5
16、其中,cv为植被覆盖度指数,nave为归一化植被指数平均值,nmin为归一化植被指数最小值,nmax为归一化植被指数最大值。
17、可选地,所述斜率的表达式为:
18、kp=(inir-ir)/0.19
19、其中,kp为斜率,inir为近红外波段的光谱反射率,ir为红光波段的光谱反射率。
20、可选地,根据所述斜率、所述植被覆盖度指数和所述目标像素的归一化植被指数构建绿色作物识别指数,具体包括:
21、判断所述斜率是否大于所述植被覆盖度指数,得到第一判断结果;
22、若所述第一判断结果为是,则将所述目标像素的归一化植被指数与所述归一化植被指数平均值的和作为目标像素的绿色作物识别指数;
23、若所述第一判断结果为否,则将所述目标像素的归一化植被指数减去所述归一化植被指数平均值的差作为目标像素的绿色作物识别指数。
24、可选地,根据所述绿色作物识别指数确定绿色作物识别结果,具体包括:
25、对所述绿色作物识别指数进行归一化处理,得到归一化后的绿色作物识别指数;
26、判断所述归一化后的绿色作物识别指数是否大于设定阈值,得到第二判断结果;
27、若所述第二判断结果为是,则确定影像中待识别的目标像素是绿色作物;
28、若所述第二判断结果为否,则确定影像中待识别的目标像素不是绿色作物。
29、本发明还提供一种绿色作物识别系统,包括:
30、获取模块,用于获取多光谱遥感影像;
31、植被覆盖度指数计算模块,用于根据所述多光谱遥感影像中的红光波段和近红外波段计算多光谱遥感影像中的植被覆盖度指数;
32、目标像素的归一化植被指数计算模块,用于对所述多光谱遥感影像中的每个像素进行逐个识别,得到目标像素的归一化植被指数;
33、斜率计算模块,用于根据所述目标像素在红光波段和近红外波段的光谱反射率计算目标像素的反射光谱曲线从红光波段到近红外波段的斜率;
34、构建模块,用于根据所述斜率、所述植被覆盖度指数和所述目标像素的归一化植被指数构建绿色作物识别指数;
35、识别模块,用于根据所述绿色作物识别指数确定绿色作物识别结果;所述绿色作物识别结果为影像中待识别的目标像素是绿色作物或者影像中待识别的目标像素不是绿色作物。
36、可选地,植被覆盖度指数计算模块具体包括:
37、所有像素的归一化植被指数计算单元,用于根据所述多光谱遥感影像中的红光波段和近红外波段计算所有像素的归一化植被指数;
38、统计单元,用于根据所有像素的归一化植被指数确定归一化植被指数最大值、归一化植被指数最小值和归一化植被指数平均值;
39、植被覆盖度指数计算单元,用于根据所述归一化植被指数最大值、所述归一化植被指数最小值和所述归一化植被指数平均值计算多光谱遥感影像中的植被覆盖度指数。
40、本发明还提供一种电子设备,包括:
41、一个或多个处理器;
42、存储装置,其上存储有一个或多个程序;
43、当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如所述的方法。
44、本发明还提供一种计算机存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如所述的方法。
45、根据本发明提供的具体实施例,本发明公开了以下技术效果:
46、本发明获取多光谱遥感影像;根据所述多光谱遥感影像中的红光波段和近红外波段计算多光谱遥感影像中的植被覆盖度指数;对所述多光谱遥感影像中的每个像素进行逐个识别,得到目标像素的归一化植被指数;根据所述目标像素在红光波段和近红外波段的光谱反射率计算目标像素的反射光谱曲线从红光波段到近红外波段的斜率;根据所述斜率、所述植被覆盖度指数和所述目标像素的归一化植被指数构建绿色作物识别指数;根据所述绿色作物识别指数确定绿色作物识别结果;所述绿色作物识别结果为影像中待识别的目标像素是绿色作物或者影像中待识别的目标像素不是绿色作物。通过植被覆盖度指数对地表作物植被覆盖度进行定量描述,利用绿色作物从红光波段至近红外波段的反射光谱的斜率特征,构建了能够稳定识别绿色作物像素的绿色作物识别指数,着重解决了绿色作物识别研究中精度低、定量难的问题。