[发明专利]基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法

说明书

本发明涉及一种基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法，在无人机平台上装配多光谱传感器，对农田进行监测；根据无人机影像，基于每个像元的地理坐标信息，对几个波段的单通道遥感影像进行叠加，生成多幅包含有多个通道的多光谱遥感影像；通过目视估测的方式，按照倒伏和非倒伏两类，生成视场中只有倒伏区域或只有非倒伏区域的影像，作为原始数据集；基于主成分分析方法，计算原始数据集中所有影像的前两个主成分分量的纹理特征及每个像元在各个波段的光谱反射率；构建支持向量机模型并进行训练，预设窗口大小，调用支持向量机模型判别每个窗口的类型；统计出所有倒伏区域的像元个数，进一步求出倒伏区域的面积。

技术领域

本发明涉农业遥感领域和农业灾害评估领域，特别涉及一种基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法。

背景技术

现有技术一的技术方案

当前有关部门获取倒伏区域地理信息的方法是：派遣工作人员前往受灾区域；使用尼龙绳或者粉笔石灰等确定倒伏区域的边界，将倒伏区域的边界轮廓勾勒出来，而后使用全站仪或者GPS定位器等工具确定角点的地理坐标，再用卷尺等工具量出轮廓长度等信息。

现有技术一的缺点

这种方法费时耗力、受人为的主观因素影响，测量结果存在争议。而且这种测量方法是接触性质的，需要人为的在农田中一处一处的寻找受灾区域，可能会遗漏甚至造成二次伤害。

现有技术二的技术方案

当前有部分学者和地方单位采用卫星要干的方式来收集倒伏区域信息。这种方式主要是下载卫星传回的高分辨率遥感影像，直接进行图像分析。

现有技术二的缺点

但这种方式受到分辨率较低、访问时间无法预定、易受天气因素影响等制约，目前使用航天遥感来提取作物倒伏区域的技术极不成熟。目前已有的技术精度都不是非常理想。

无人机遥感被广泛应于与农业监测领域，越来越多的学者使用无人机遥感监测评估作物生物量、检测环境压力。使用无人机来提取倒伏面积或估计倒伏严重程度的研究也越来越多。

基于此，本发明的目的是提供一种基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法，用以对小麦倒伏区域进行高精度检测。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法，用以对小麦倒伏区域进行高精准监测。

为达到以上目的，本发明采取的技术方案是：

一种基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法，包括以下步骤：

步骤1：在无人机平台上装配多光谱传感器；

步骤2：通过装配多光谱传感器的无人机平台对农田进行监测，得到无人机影像；

步骤3：根据无人机平台监测得到的每幅无人机影像，基于每个像元的地理坐标信息，将对应于同一地块的不同波段、不同组次的无人机影像进行匹配融合与拼接，生成多幅多通道的多光谱遥感影像；

步骤4：通过目视估测的方式，按照倒伏和非倒伏两类，对步骤3生成的多光谱遥感影像进行剪裁，生成视场中只有倒伏区域或只有非倒伏区域的影像，作为原始数据集；

步骤5：基于主成分分析方法，计算原始数据集中所有影像的前两个主成分分量的纹理特征及所有影像的每个像元在各个波段的光谱反射率，将计算结果作为新数据集；

步骤6：将步骤5得到的新数据集分为两部分：80％为样本集，20％为测试集；

步骤7：构建支持向量机模型，将样本集输入到支持向量机模型中进行训练，用测试集验证模型的精度，当精度达到90％以上时视为训练成功；