模糊超像素分割算法的无人机影像烟株精细提取

doi:10.6046/gtzyyg.2020078

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(6548 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

实现烟草单株自动化提取对加快烟草农业信息化有着重要意义,但目前烟株精细的提取还存在较大困难。因此,提出了一种基于模糊超像素分割(fuzzy-superpixels, FS)算法的无人机烟株提取方法。首先通过绿地提取方法得到无人机影像中的植被覆盖区域; 然后利用FS算法对影像进行超像素分割,并统计超像素的均值、亮度、形状指数、长宽比、自定义植被指数等特征; 最后通过计算超像素的特征阈值,对烟株数目进行精细提取和统计。选取3景无人机影像作为实验数据,实验结果表明,该方法提取烟株的总体精度分别为84.28%,89.05%和82.97%。该方法可实现对烟株的自动化提取,为后期计算烟草产量提供有效参考。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	夏炎
	黄亮
	陈朋弟

关键词 ：烟草, 无人机影像, 模糊超像素分割, 信息提取

Abstract：

The successful extraction of tobacco single plant automation is of great significance to the realization of tobacco agricultural information, but there are still great difficulties in tobacco fine extraction. Therefore, a tobacco extraction method based on Fuzzy superpixels (FS) algorithm is proposed. Firstly, vegetation coverage area in UAV image is obtained by green space extraction method; secondly, super-pixel segmentation of image is carried out by using FS algorithm, and the mean value, brightness, shape index, aspect ratio, custom vegetation index and other features of super-pixel are counted; finally, the number of tobacco plants is extracted and counted by calculating the feature threshold of super-pixel. Three UAV images were selected as the experimental data. The experimental results show that the overall accuracy of this method is 84.28%, 89.05% and 82.97% respectively. This method can be used for automatic extraction of tobacco plant and can provide effective reference for later calculation of tobacco yield.

Key words： tobacco UAV image fuzzy-superpixel segmentation information extraction

收稿日期: 2020-03-23 出版日期: 2021-03-18

ZTFLH:

TP79

基金资助:国家自然科学基金项目“南方山地城镇建设用地与变化的坡度梯度效应研究”(41961039);云南省应用基础研究计划面上项目“基于全卷积神经网络的多源遥感影像变化检测”(2018FB078);云南省高校工程中心建设计划项目和自然资源部地球观测与时空信息科学重点实验室经费资助项目“基于直觉模糊集理论的多源遥感影像变化检测方法研究”共同资助(201911)

通讯作者: 黄亮

作者简介: 夏炎(1995-),女,硕士研究生,主要研究方向为农业遥感提取。Email: 799537530@qq.com。

引用本文:

夏炎, 黄亮, 陈朋弟. 模糊超像素分割算法的无人机影像烟株精细提取[J]. 国土资源遥感, 2021, 33(1): 115-122.
XIA Yan, HUANG Liang, CHEN Pengdi. Tobacco fine extraction from UAV image based on fuzzy-superpixel segmentation algorithm. Remote Sensing for Land & Resources, 2021, 33(1): 115-122.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2020078 或 https://www.gtzyyg.com/CN/Y2021/V33/I1/115

Fig.1 原始影像

Fig.2 方法流程

Fig.3-1 地物特征分布曲线

Fig.3-2 地物特征分布曲线

Fig.4 植被提取结果

Fig.5 FS模糊超像素算法分割结果

Fig.6 多尺度分割算法分割结果

Fig.7 FS算法烟株提取结果

Fig.8 传统算法烟株提取结果

Tab.1 烟草提取精度评价

[1]	李玉宝, 王鹏, 王彬, 等. 现代烟草农业发展存在的问题及对策[J]. 现代农业科技, 2019(9):244-246.
	Li Y B, Wang P, Wang B, et al. Problems in the development of modern tobacco agriculture and countermeasures[J]. Modern Agricultural Science and Technology, 2019(9):244-246.
[2]	陈明, 张连巧, 周正林, 等. 烟草种植技术与田间管理措施[J]. 河南农业, 2018(35):17-18.
	Chen M, Zhang L Q, Zhou Z L, et al. Tobacco planting technology and field management measures[J]. Henan Agriculture, 2018(35):17-18.
[3]	Han L. Recognition of the part of growth of flue-cured tobacco leaves based on support vector machine[C]// World Congress on Intelligent Control & Automation.IEEE, 2008: 3624-3627.
[4]	吴孟泉, 崔青春, 张丽, 等. 复杂山区烟草种植遥感监测及信息提取方法研究[J]. 遥感技术与应用, 2008,23(3):305-309.
	Wu M Q, Cui Q C, Zhang L, et al. Tobacco field monitoring and classification method study in mountainous area[J]. Remote Sensing Technology and Application, 2008,23(3):305-309.
[5]	Guru D S, Mallikarjuna P B, Manjunath S. Segmentation and classification of tobacco seedling diseases[C]// Proceedings of the Fourth Annual ACM Bangalore Conference.ACM, 2011: 1-5.
[6]	李天坤. 基于面向对象分类方法的烟草种植面积提取研究[D]. 成都:四川农业大学, 2013.
	Li T K. Extraction of tobacco planting area based on object-oriented classification method[D]. Chengdu:Sichuan Agricultural University, 2013.
[7]	董梅, 苏建东, 刘广玉, 等. 面向对象的无人机遥感影像烟草种植面提取和监测[J]. 测绘科学, 2014,39(9):87-90.
	Dong M, Su J D, Liu G Y, et al. Extraction and monitoring of tobacco planting surface based on object-oriented UAV Remote Sensing Image[J]. Surveying and Mapping Science, 2014,39(9):87-90.
[8]	陈金, 刘品超, 黄国强, 等. 基于无人机遥感影像的烟草种植面积信息提取[J]. 湖南农业科学, 2018(1):96-99,103.
	Chen J, Liu P C, Huang G Q, et al. Information extraction of tobacco planting area based on unmanned aerial vehicle remote sensing images[J]. Hunan Agricultural Science, 2018(1):96-99,103.
[9]	胡九超. 基于高分辨率合成孔径雷达(SAR)的高原山区烟草识别方法研究[D]. 贵阳:贵州师范大学, 2015.
	Hu J C. Plateau mountainous tobacco identification based on high resolution synthetic aperture radar(SAR)[D]. Guiyang:Guizhou Normal University, 2015
[10]	刘明芹, 李新举, 杨永花, 等. 基于资源三号卫星遥感影像的山区套种烟草面积估测[J]. 安徽农业科学, 2016(3):291-293.
	Liu M Q, Li X J, Yang Y H, et al. Estimation of the intercropped tobacco area in mountainous area based on ZY-3 remote sensing images[J]. Journal of Anhui Agricultural Sciences, 2016(3):291-293.
[11]	王政, 陈燕丽, 莫建飞, 等. HJ-1影像中基于光谱特征的烤烟识别方法[J]. 烟草科技, 2014(1):72-76.
	Wang Z, Chen Y L, Mo J F, et al. Recognition of flue-cured tobacco crop based on spectral characteristics extracted from HJ-1 remote sensing images[J]. Tobacco Science and Technology, 2014(1):72-76.
[12]	付静. 基于无人机图像的山区烟株数量统计方法与试验[D]. 贵阳:贵州大学, 2019.
	Fu J. Method and experiment of tobacco number statistics in mountainous area based on UAV image[D]. Guiyang:Guizhou University, 2019.
[13]	栗旭升, 刘玉锋, 陈冬花, 等. 结合图像特征的支持向量机高分一号云检测[J]. 国土资源遥感, 2020,32(3):55-62.doi: 10.6046/gtzyyg.2020.03.08.
	Li X S, Liu Y F, Chen D H, et al. Cloud detection based on support vector machine with image features for GF-1 data[J]. Remote Sensing of Land and Resources, 2020,32(3):55-62.doi: 10.6046/gtzyyg.2020.03.08.
[14]	娄佩卿, 陈晓雨, 王疏桐, 等. 基于无人机影像的喀斯特农耕区地物识别——以桂林市为例[J]. 国土资源遥感, 2020,32(1):216-223.doi: 10.6046/gtzyyg.2020.01.29.
	Lou P Q, Chen X Y, Wang S T, et al. Object recognition of karst farming area based on UAV image:A case study of Guilin[J]. Remote Sensing for Land and Resources, 2020,32(1):216-223.doi: 10.6046/gtzyyg.2020.01.29.
[15]	袁小翠, 黄志开, 马永力, 等. Otsu阈值分割法特点及其应用分析[J]. 南昌工程学院学报, 2019,38(1):85-90,97.
	Yan X C, Huang Z K, Ma Y L, et al. Analysis of characteristics and application of Otsu threshold method[J]. Journal of Nanchang Institute of Technology, 2019,38(1):85-90,97.
[16]	包丞啸, 姜威, 王玉潇. 基于大津法分割和局部最大梯度的自动聚焦算法[J]. 光学技术, 2019,45(6):756-761.
	Bao C X, Jiang W, Wang Y X. Automatic focusing algorithm based on Otsu segmentation and local maximum gradient[J]. Optical Technique, 2019,45(6):756-761.
[17]	蔡红玥, 姚国清. 基于分水岭算法的高分遥感图像道路提取优化方法[J]. 国土资源遥感, 2013,25(3):25-29.doi: 10.6046/gtzyyg.2013.03.05.
	Cai H Y, Yao G Q. Optimized method for road extraction from high resolution remote sensing image based on watershed algorithm[J]. Remote Sensing for Land and Resources, 2013,25(3):25-29.doi: 10.6046/gtzyyg.2013.03.05.
[18]	谢相建, 赵俊三, 陈学辉, 等. 基于集对分析的遥感图像K-均值聚类算法[J]. 国土资源遥感, 2012,24(4):82-87.doi: 10.6046/gtzyyg.2012.04.14.
	Xie X J, Zhao J S, Chen X H, et al. SPA-based K-means clustering algorithm for remote sensing image[J]. Remote Sensing for Land and Resources, 2012,24(4):82-87.doi: 10.6046/gtzyyg.2012.04.14.
[19]	刘长齐, 邵堃, 霍星, 等. 基于加权质量评价函数的K-means图像分割算法[J]. 计算机科学, 2019,46(z1):158-160,187.
	Liu C Q, Shao K, Huo X, et al. K-means image segmentation algorithm based on weighted quality evaluation function[J]. Computer Science, 2019,46(z1):158-160,187.
[20]	黄亮, 姚丙秀, 陈朋弟, 等. 高分辨率遥感影像超像素的模糊聚类分割法[J]. 测绘学报, 2020,49(5):589-597.
	Huang L, Yao B X, Chen P D, et al. Superpixel segmentation method of high-resolution remote sensing image based on fuzzy clustering[J]. Acta Geodaetica et Cartographica Sinica, 2020,49(5):589-597.
[21]	Guo Y, Jiao L, Wang S, et al. Fuzzy-superpixels for polarimetric SAR images classification[J]. IEEE Transactions on Fuzzy Systems, 2018: 2814591.
[22]	陈美龙, 戴声奎. 基于GLCM算法的图像纹理特征分析[J]. 通信技术, 2012,45(2):108-111.
	Chen M L, Dai S K. Analysis on image texture based on gray-level co-occurrence matrix[J]. Communications Technology, 2012,45(2):108-111.

[1]	胡锋, 李雪, 左晋, 宋善海, 唐红祥, 谷晓平. 贵州500亩以上坝区遥感识别与空间分布特征研究[J]. 自然资源遥感, 2023, 35(2): 287-294.
[2]	张淑, 周忠发, 王玲玉, 陈全, 骆剑承, 赵馨. 多时相SAR的喀斯特山区耕地表层土壤水分反演[J]. 自然资源遥感, 2022, 34(3): 154-163.
[3]	查东平, 蔡海生, 张学玲, 何庆港. 基于多时相Sentinel-1水稻种植范围提取[J]. 自然资源遥感, 2022, 34(3): 184-195.
[4]	黄佩, 普军伟, 赵巧巧, 李忠杰, 宋浩昆, 赵筱青. 植被遥感信息提取方法研究进展及发展趋势[J]. 自然资源遥感, 2022, 34(2): 10-19.
[5]	魏英娟, 刘欢. 北衙金矿床遥感矿化蚀变信息提取及找矿预测[J]. 自然资源遥感, 2021, 33(3): 156-163.
[6]	牟晓莉, 李贺, 黄翀, 刘庆生, 刘高焕. Google Earth Engine在土地覆被遥感信息提取中的研究进展[J]. 国土资源遥感, 2021, 33(2): 1-10.
[7]	蔡祥, 李琦, 罗言, 齐建东. 面向对象结合深度学习方法的矿区地物提取[J]. 国土资源遥感, 2021, 33(1): 63-71.
[8]	王伟, 王新盛, 姚婵, 金添, 邬佳昱, 苏伟. 基于无人机影像的小麦植株密度估算方法研究[J]. 国土资源遥感, 2020, 32(4): 111-119.
[9]	王琳, 谢洪波, 文广超, 杨运航. 基于Landsat8的含蓝藻湖泊水体信息提取方法研究[J]. 国土资源遥感, 2020, 32(4): 130-136.
[10]	陈朋弟, 黄亮, 夏炎, 余晓娜, 高霞霞. 基于Mask R-CNN的无人机影像路面交通标志检测与识别[J]. 国土资源遥感, 2020, 32(4): 61-67.
[11]	连会青, 孟璐, 韩瑞刚, 杨艺, 余标. 基于无人机遥感的地质信息提取——以柳江盆地为例[J]. 国土资源遥感, 2020, 32(3): 136-142.
[12]	薛武, 赵玲, 于英. 无人机影像稳健区域网平差[J]. 国土资源遥感, 2020, 32(2): 40-45.
[13]	娄佩卿, 陈晓雨, 王疏桐, 付波霖, 黄永怡, 唐廷元, 凌铭. 基于无人机影像的喀斯特农耕区地物识别——以桂林市为例[J]. 国土资源遥感, 2020, 32(1): 216-223.
[14]	刘畅, 杨康, 程亮, 李满春, 郭紫燕. Landsat8不透水面遥感信息提取方法对比[J]. 国土资源遥感, 2019, 31(3): 148-156.
[15]	尹展, 张利军, 段建良, 张沛. 南方植被区强迫不变植被抑制技术改进与应用[J]. 国土资源遥感, 2019, 31(2): 82-88.

Viewed

Full text

Abstract

Cited

Shared

Discussed