[发明专利]农田作物无人机影像的阴影检测方法

说明书

本发明涉及农田环境下遥感影像的阴影区域检测方法，具体为农田作物无人机影像的阴影检测方法，解决现有阴影检测算法在复杂农田场景下难以提取不规则、碎片化阴影的问题。结合无人机影像的阴影/非阴影区颜色特性，利用双通道差值和G波段增强构造新型灰度图，使用最大类间方差法对灰度图进行自动阈值分割，获取阴影检测结果。以航摄获取的无人机影像进行实验，结果表明，所提方法检测结果更接近真实阴影，平均总体精度为0.9868，平均F₁分数为0.9567。

技术领域

本发明涉及农田场景下无人机遥感影像的阴影区域检测方法，具体为农作物无人机影像的阴影检测算法。

背景技术

近年来，随着遥感技术的广泛应用，遥感影像成为对地表目标测量与信息提取的一种重要手段。无人机遥感技术因其灵活性强、影像数据分辨率高、作业周期短、成本低等优势为精准农业监测技术的发展提供有力支撑，如利用无人机影像进行杂草和作物识别、长势评估、产量预测等。阴影作为农业无人机遥感影像中普遍存在的现象，对图像质量有很大负面影响，严重干扰后期植株识别、作物分类、杂草去除等工作。因此，对遥感影像尤其是复杂农田环境下无人机影像的阴影区域进行检测具有重要意义。

目前，许多研究者都致力于研究遥感影像数据中的阴影检测与去除，精确的阴影检测是阴影去除的重要前提。Robles等提出了一种基于多通道统计的无人机影像阴影检测方法，有效提高了沥青和混凝土区域中阴影检测的精度。Samara 等提出了一种基于区域的阴影自动检测方法，能高效自动识别密集城区遥感影像中的阴影。Luo等提出了一种多任务学习框架下的边缘感知空间金字塔融合网络，实现了城区遥感影像显著性阴影检测。Jin等提出了一种面向对象的超高空间分辨率遥感影像的阴影检测方法，用新的阴影检测指标实现大型建筑物阴影的自动精确检测。Fang等提出了一种基于图像饱和度和近红外信息的归一化差异阴影检测指标来检测建筑物阴影，能有效区分建筑物阴影和其他暗区地面目标。Zhou 等采用改进的阴影指数结合颜色空间和近红外波段检测出复杂城区高分辨率遥感图像中的阴影。现无针对农田场景的阴影检测算法，且现有针对典型城区大型阴影相关算法对因植株叶片交错纵横、互相遮挡而形成杂乱无章、不规则、碎片化的农田阴影检测并不适用。

发明内容

本发明为了解决现有阴影检测算法在复杂农田场景下难以提取不规则、碎片化阴影的问题，提供了一种农田作物无人机影像的阴影检测方法。通过分离无人机RGB影像的各通道并进行双通道差值和G波段增强处理，以构造阴影区域与非阴影区域具有显著差异的新型灰度图像，进行阈值分割和图像形态学处理后得到阴影检测结果，实现大田中不规则、碎片化阴影的有效提取。

本发明是采用如下的技术方案实现的：农田作物无人机影像的阴影检测方法，包括以下步骤：首先，将原始RGB图像的三个通道分离，并对各通道灰度值进行组合加权运算，以构造新型灰度图像；其次，对新型灰度图像进行阈值求取与分割，将图像分为阴影区域与非阴影区域，实现阴影区域初步检测，得到二值掩膜图像；最后利用图像形态学运算进行优化，以输出最终阴影检测结果。

上述的农田作物无人机影像的阴影检测方法，构造新型灰度图像的具体过程为：Gray＝|B-G|+|R-G|+k×G，其中，Gray为新型灰度图像；G代表原始RGB影像的绿色波段；B代表原始RGB影像的蓝色波段；R代表影原始RGB 影像红色波段；k为参数。