|
|||||
|
|
| 玉米作物多光谱图像精准分割与叶绿素诊断方法研究 | |
| 引用本文： | 吴倩,孙红,李民赞,宋媛媛,张彦娥.玉米作物多光谱图像精准分割与叶绿素诊断方法研究[J].光谱学与光谱分析,2014,35(1):178. |
| 作者姓名： | 吴倩 孙红 李民赞 宋媛媛 张彦娥 |
| 作者单位： | 吴倩:中国农业大学“现代精细农业系统集成研究”教育部重点试验室, 北京 100083 孙红:中国农业大学“现代精细农业系统集成研究”教育部重点试验室, 北京 100083 李民赞:中国农业大学“现代精细农业系统集成研究”教育部重点试验室, 北京 100083 宋媛媛:农业部农业信息获取技术重点实验室, 北京 100083 张彦娥:中国农业大学“现代精细农业系统集成研究”教育部重点试验室, 北京 100083 |
| 基金项目： | 国家(863计划)项目(2013AA102303)和农业部公益性行业专项(201303109-9)资助 |
| 摘 要： | 为了快速获取大田玉米作物长势信息, 基于多光谱图像开展了大田玉米叶绿素指标的非破坏性诊断研究。应用自主开发的2-CCD多光谱图像感知系统, 在田间采集玉米冠层可见光［Blue(B), Green(G), Red(R);400～700 nm］和近红外(Near-infrared: NIR, 760～1 000 nm)图像, 并使用SPAD同步测量样本叶绿素指标。采集后图像经自适应平滑滤波处理后, 进行图像玉米植株提取。为了选择最优算法实现玉米植株与杂草、土壤背景的分割, 首先比较了最大类间方差(OTSU)分割算法和局部阈值处理分割算法, 选取了基于局部统计的可变阈值处理方法对玉米NIR图像进行初步分割, 进而采用区域标记算法进行精细分割, 分割准确率达95.59%。将分割结果应用于玉米植株可见光图像R, G, B各通道, 从而实现了玉米植株多光谱图像中可见光图像的整体分割。基于分割后R, G, B和NIR四个通道的玉米冠层图像, 提取了各通道图像灰度均值(ANIR, ARed, AGreen和ABlue)并计算了归一化植被指数(NDVI)、比值植被指数(RVI)和绿色归一化植被指数(NDGI)作为光谱特征参数, 建立了玉米冠层叶绿素指标诊断的偏最小二乘法回归模型。结果表明, 建模R2达0.596 0, 预测R2达0.568 5, 该方法通过玉米多光谱图像特征参数评估叶片叶绿素含量, 可为大田玉米长势监测提供支持。 |
| 关 键 词： | 多光谱图像 局部阈值处理 区域标记 叶绿素 |
| 收稿时间： | 2013/12/26 |
Research on Maize Multispectral Image Accurate Segmentation and Chlorophyll Index Estimation |
|
| Abstract: | |
| Keywords: | Multispectral images Local threshold processing Regional marker Image segmentation Chlorophyll index |