[发明专利]烟田杂草识别方法、装置、设备及存储介质

权利要求书

1.一种烟田杂草识别方法，其特征在于，所述烟田杂草识别方法包括以下步骤：

获取烟田多光谱图像样本集，对所述烟田多光谱图像样本集中的多光谱图像进行图像分割，获得目标样本图像；

提取所述目标样本图像中的特征；其中，所述特征包括目标样本图像的植被特征、纹理特征、光谱特征和主成分变换特征；

建立分类监督模型，并利用所述特征对所述分类监督模型进行训练，以获得烟田杂草识别模型；

在接收到目标烟田多光谱图像时，利用所述烟田杂草识别模型，对所述目标烟田多光谱图像进行烟田杂草识别。

2.如权利要求1所述的烟田杂草识别方法，其特征在于，所述提取所述目标样本图像中的特征步骤，具体包括：

将目标样本图像划分为若干个目标样本图像集，按预设分配比例将若干个目标样本图像集分配给对应特征；

并提取每个目标样本图像集所对应的特征。

3.如权利要求1所述的烟田杂草识别方法，其特征在于，所述植被特征包括NDVI特征、RVI特征、DVI特征、EVI特征或MSAVI特征中的一种或多种；其中：

DVI＝ρ_NIR-ρ_R；

式中，ρ_NIR为红外波段反射率，ρ_R为红光波段反射率。

4.如权利要求1所述的烟田杂草识别方法，其特征在于，所述纹理特征包括信息熵、相异性、对比度、相关性、二阶矩、协同性、均值或方差中的一种或多种。

5.如权利要求1所述的烟田杂草识别方法，其特征在于，所述光谱特征为反射率，提取所述目标样本图像的反射率，具体包括：对目标样本图像中各波段分别进行卷积低通处理和高通滤波处理，获得多光谱图像中每个波段的反射率特征。

6.如权利要求2所述的烟田杂草识别方法，其特征在于，所述建立分类监督模型，并利用所述特征对所述分类监督模型进行训练，以获得烟田杂草识别模型步骤之后，所述方法还包括：

利用总体分类精度OA、Kappa系数作为精度评价指标对烟田杂草识别模型进行精度评价。

7.如权利要求6所述的烟田杂草识别方法，其特征在于，所述利用总体分类精度OA、Kappa系数作为精度评价指标对烟田杂草识别模型进行精度评价步骤之后，所述方法还包括：

根据所述精度评价结果，调整所述预设分配比例，返回执行将目标样本图像划分为若干个目标样本图像集，按预设分配比例将若干个目标样本图像集分配给对应特征步骤。

8.一种烟田杂草识别装置，其特征在于，所述烟田杂草识别装置包括：

分割模块，用于获取烟田多光谱图像样本集，对所述烟田多光谱图像样本集中的多光谱图像进行图像分割，获得目标样本图像；

提取模块，用于提取所述目标样本图像中的特征；其中，所述特征包括目标样本图像的植被特征、纹理特征、光谱特征和主成分变换特征；

训练模块，用于建立分类监督模型，并利用所述特征对所述分类监督模型进行训练，以获得烟田杂草识别模型；

识别模块，用于在接收到目标烟田多光谱图像时，利用所述烟田杂草识别模型，对所述目标烟田多光谱图像进行烟田杂草识别。

9.一种烟田杂草识别设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的烟田杂草识别程序，所述烟田杂草识别程序被所述处理器执行时实现如权利要求1至6中任一项所述的烟田杂草识别方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有烟田杂草识别程序，所述烟田杂草识别程序被处理器执行时实现如权利要求1至7中任一项所述的烟田杂草识别方法的步骤。