发明名称 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法
摘要 本发明提出一种基于近地面高光谱影像的水稻阴阳叶穗识别方法,通过对水稻冠层内部不同器官组分光谱特征进行差异分析,获得阴阳叶穗分类决策树并区分阴叶、阳叶、阴穗、阳穗。该识别方法具有较高的识别精度,操作步骤简单易行,运算速度快,适用于不同水稻品种、不同栽培处理、不同生育时期,可广泛用作水稻冠层内部不同器官组分像元的识别分类。
申请公布号 CN106568730A 申请公布日期 2017.04.19
申请号 CN201611020653.1 申请日期 2016.11.21
申请人 南京农业大学 发明人 朱艳;周凯;程涛;曹卫星;姚霞;田永超
分类号 G01N21/31(2006.01)I 主分类号 G01N21/31(2006.01)I
代理机构 南京天华专利代理有限责任公司 32218 代理人 莫英妍;徐冬涛
主权项 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法,其特征在于,包括以下步骤:步骤1:采集水稻全生育期间冠层的近地面高光谱影像数据,获得独立的训练影像数据与独立的验证影像数据;步骤2:对近地面高光谱影像数据进行预处理,包括提取影像反射率数据、对反射率数据去噪平滑和基于增强型植被指数EVI的背景掩模;步骤3:从训练影像数据中选取阴叶、阳叶、阴穗、阳穗的感兴趣区,并以选择的感兴趣区的像元光谱作为训练样本数据并建立阴阳叶穗光谱数据库;步骤4:根据影像反射率数据计算光化学反射指数值PRI和转换叶绿素吸收反射指数值TCARI,并利用PRI和TCARI构建基于植被指数的阴阳叶穗分类决策树;步骤5:根据阴阳叶穗分类决策树区分阴叶、阳叶、阴穗、阳穗;步骤6:从验证影像数据中选取与训练影像数据同等数量的阴阳叶穗像元作为验证样本集,根据阴阳叶穗分类决策树对验证影像进行分类,得到分类后的图像,利用验证样本集的实际类别对分类精度进行评估,并计算分类的总体精度、制图精度、用户精度和Kappa系数,其中,总体精度为被正确分类的像元总和除以总像元数,制图精度为分类器将整个影像的像元正确分为A类的像元数与A类真实参考总数的比率,用户精度为正确分到A类的像元总数与分类器将整个影像的像元分为A类的像元总数的比率。
地址 210095 江苏省南京市玄武区卫岗1号