一种基于无人机遥感的地表植被识别方法及系统技术方案

本发明专利技术公开了一种基于无人机遥感的地表植被识别方法及系统，包括以下步骤：获取无人机遥感图像数据；基于所述无人机遥感图像数据，进行图像预处理，得到预处理后的无人机遥感图像数据；基于所述预处理后的无人机遥感图像数据，确定分割参数，进行多尺度分割；基于所述进行多尺度分割后的图像数据，进行光谱特征分析，完成地表植被的识别。本发明专利技术充分利用无人机影像的高空间分辨率特征，通过对无人机遥感图像数据进行畸变纠正、均值滤波一系列处理，提高图像的精度，同时对处理后的数据进行多尺度分割，以便于更好的确定预测精度，通过NGRDI特征分析更好的识别地表植被种类。NGRDI特征分析更好的识别地表植被种类。NGRDI特征分析更好的识别地表植被种类。

【技术实现步骤摘要】
一种基于无人机遥感的地表植被识别方法及系统


[0001]本专利技术属于农业和遥感
，具体涉及一种基于无人机遥感的地表植被识别方法及系统。

技术介绍

[0002]植被是覆盖地球表面的植物群落的总称。光照、温度和雨量等环境因素都会在一定程度上影响植物的生长、繁衍和分布，因此形成了不同类型的植被。由于不同类型的植物所产生的生态效益、对人类生存的意义是有差异的，传统的人工植被识别耗时、耗力，因此加强自动化植被识别研究的重要性不言而喻。
[0003]常规的植被识别方法主要依赖于一些成本高、费时费力的野外调查手段，很难满足区域性植被生态学研究的需要。遥感手段用于植被的识别主要通过对遥感影像信息的提取进行解译。对于影像信息的提取手段主要有人工目视解译、基于光谱计算机主动分类、基于专家知识的决策树分类、面向对象特征自动提取。
[0004]因此，如何对一定区域内的植被进行识别，并且提高植被识别的精度成为植被识别的难点。

技术实现思路

[0005]本专利技术提出一种基于无人机遥感的地表植被识别方法及系统，充分利用无人机影像的高空间分辨率特征，通过对无人机遥感图像数据进行畸变纠正、均值滤波一系列处理，提高图像的精度，同时对处理后的数据进行多尺度分割，以便于更好的确定预测精度，通过NGRDI特征分析更好的识别地表植被种类。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于无人机遥感的地表植被识别方法，包括以下步骤：
[0008]获取无人机遥感图像数据；
[0009]基于所述无人机遥感图像数据，进行图像预处理，得到预处理后的无人机遥感图像数据；
[0010]基于所述预处理后的无人机遥感图像数据，确定分割参数，进行多尺度分割；
[0011]基于所述进行多尺度分割后的图像数据，进行光谱特征分析，完成地表植被的识别。
[0012]优选的，所述进行图像预处理的方法包括：
[0013]对无人机遥感图像数据进行畸变纠正；
[0014]基于所述畸变纠正后的无人机遥感图像数据采用均值滤波方法进行平滑处理；
[0015]对平滑处理后的图像数据进行模糊增强处理。
[0016]优选的，对无人机遥感图像数据进行畸变纠正的方法包括：
[0017][0018][0019][0020][0021][0022]其中，
△
x、
△
y为数码相机的畸变改正参数；(x，y)为像点在像平面坐标系中的坐标；(x
o
，y
o
)为像主点坐标；(k1，k2)为径向畸变系数；(p1，p2)为偏向畸变系数；a为CCD非正方形比例系数；b为非正交性畸变系数。
[0023]优选的，采用均值滤波方法进行平滑处理的方法包括：
[0024][0025]其中，S为点(x,y)的邻域，不包含点(x,y)，M为邻域内所包含的像素总数，T为规定的阈值。
[0026]优选的，所述进行尺度分割的方法包括：
[0027]采用面向对象分类的方法对预处理后的图像数据进行分类；
[0028]基于分类后的图像数据采用层次性分割方法进行多尺度分割。
[0029]优选的，所述分割参数包括：尺度参数、形状权重和紧凑度。
[0030]优选的，进行光谱特征分析的方法包括：
[0031]获取不同波段的光谱特征；
[0032]通过光谱特征进行归一化红绿差异指数NGRDI特征分析。
[0033]优选的，进行归一化红绿差异指数NGRDI特征分析的方法包括：
[0034][0035]其中，DN
G
、DN
R
分别代表红、绿波段的DN值；NGRDI取值范围为
‑
1～1。
[0036]本专利技术还提供一种基于无人机遥感的地表植被识别系统，包括：获取模块、预处理模块、分割模块和特征分析模块；
[0037]所述获取模块用于获取无人机遥感图像数据；
[0038]所述预处理模块用于基于所述获取模块获取的无人机遥感图像数据，进行图像预处理；
[0039]所述分割模块用于基于所述预处理模块处理的无人机遥感图像数据进行多尺度分割；
[0040]所述特征分析模块用于基于所述分割模块进行多尺度分割后的数据进行特征分析。
[0041]本专利技术的有益效果为：
[0042]本专利技术公开了一种基于无人机遥感的地表植被识别方法及系统，充分利用无人机影像的高空间分辨率特征，通过对无人机遥感图像数据进行畸变纠正、均值滤波一系列处
理，提高图像的精度，同时对处理后的数据进行多尺度分割，以便于更好的确定预测精度，通过NGRDI特征分析更好的识别地表植被种类。
附图说明
[0043]为了更清楚地说明本专利技术的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0044]图1为本专利技术实施例一的一种基于无人机遥感的地表植被识别方法流程示意图；
[0045]图2为本专利技术实施例二的一种基于无人机遥感的地表植被识别系统结构示意图。
具体实施方式
[0046]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0047]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0048]实施例一
[0049]如图1所示，为本专利技术实施例的一种基于无人机遥感的地表植被识别方法流程示意图，包括以下步骤：
[0050]获取无人机遥感图像数据；图像数据采集使用的无人机为大疆经纬m30型四旋翼便携飞行器，最大飞行时间为41min，最大飞行高度7000m，搭载激光测距仪一台、1200万有效像素近红外相机一台、变焦相机(4800万有效像素，5一16倍光学变焦，8K照片，4K/30fps视频分辨率)一台，整机含电池重量为3770g。
[0051]基于所述无人机遥感图像数据，进行图像预处理，得到预处理后的无人机遥感图像数据；
[0052]对无人机遥感图像数据进行畸变纠正；镜头畸变具有径向变形和切向变形。对于无人机遥感图像的镜头畸变纠正，主要是采用区域网空中三角测量运算中的自检法。将可能存在的系统误差，包括相机的实际测量焦距f、像主点偏移值Δx、Δy物镜各畸变参数等，作为附加参数引入光束法区域网平差。其畸变纠正数学模型为：
[0053][0054][0055][0056][0057][0058]其中，
△
x、
△本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机遥感的地表植被识别方法，其特征在于，包括以下步骤：获取无人机遥感图像数据；基于所述无人机遥感图像数据，进行图像预处理，得到预处理后的无人机遥感图像数据；基于所述预处理后的无人机遥感图像数据，确定分割参数，进行多尺度分割；基于所述进行多尺度分割后的图像数据，进行光谱特征分析，完成地表植被的识别。2.根据权利要求1所述的基于无人机遥感的地表植被识别方法，其特征在于，所述进行图像预处理的方法包括：对无人机遥感图像数据进行畸变纠正；基于所述畸变纠正后的无人机遥感图像数据采用均值滤波方法进行平滑处理；对平滑处理后的图像数据进行模糊增强处理。3.根据权利要求2所述的基于无人机遥感的地表植被识别方法，其特征在于，对无人机遥感图像数据进行畸变纠正的方法包括：遥感图像数据进行畸变纠正的方法包括：遥感图像数据进行畸变纠正的方法包括：遥感图像数据进行畸变纠正的方法包括：遥感图像数据进行畸变纠正的方法包括：其中，
△
x、
△
y为数码相机的畸变改正参数；(x，y)为像点在像平面坐标系中的坐标；(x
o
，y
o
)为像主点坐标；(k1，k2)为径向畸变系数；(p1，p2)为偏向畸变系数；a为CCD非正方形比例系数；b为非正交性畸变系数。4.根据权利要求3所述的基于无人机遥感的地表植被识别方法，其特征在于，采用均值滤波方法进行平滑处理的方法包括：其中，S...

【专利技术属性】
技术研发人员：王普昶，欧二绫，吉玉玉，高洋，王志伟，唐华江，冉伟男，宋雪莲，
申请(专利权)人：贵州师范大学，
类型：发明
国别省市：