期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于无人机可见光影像的高原丘陵盆地区山药植株识别 被引量:13
1
作者 黄登红 周忠发 +3 位作者 吴跃 朱孟 尹林江 崔亮 《热带地理》 CSCD 北大核心 2019年第4期571-582,共12页
采用四旋翼无人机采集特色作物山药种植区影像,针对山药种植时间和管护水平差异导致的植株生长差异化特征,通过筛选红绿比值指数(RGRI )、过绿指数(ExG)和过绿减过红指数(ExG-ExR)等颜色指数获取山药植株最优颜色指数计算方法;以高斯高... 采用四旋翼无人机采集特色作物山药种植区影像,针对山药种植时间和管护水平差异导致的植株生长差异化特征,通过筛选红绿比值指数(RGRI )、过绿指数(ExG)和过绿减过红指数(ExG-ExR)等颜色指数获取山药植株最优颜色指数计算方法;以高斯高通滤波(GHPF)增强和保留山药植株高频信息,抑制杂草、玉米植株的噪声;结合田间测量山药植株数据,通过人机交互解译方法对图像滤波增强后的影像进行灰度分割和提取山药植株信息。结果表明:1)样区总体提取精度为91.14%,样区A、B、C的提取精度分别为90.94%、91.96%、90.81%,精度验证完整性为93.16%;2)随着山药植株多株连体生长复杂程度的增强,过绿指数具有的土壤与植被的分离性仍优于红绿比值指数和过绿减过红指数;3)使用高斯高通滤波能够有效消除杂草、玉米植株的影响,减小山药植株多株连接生长所产生的干扰;4)高斯高通滤波卷积核大小79x79适用于不同时相和不同生长情况的山药植株影像处理,针对不同的山药植株生长情况和不同时相的可见光影像,需调整灰度分割的阈值参数r,单株山药植株面积S由田间测量确定。该方法以快速灵活、低成本的方式识别和计算不同生长状态的山药植株数目,适用于喀斯特山区的精准农业监测研究和现代农业生产活动。 展开更多
关键词 喀斯特山区 作物识别 无人机遥感 颜色指数 图像滤波 灰度分割
下载PDF
基于无人机可见光图像的作物分类研究 被引量:8
2
作者 李志铭 赵静 +2 位作者 兰玉彬 崔欣 杨焕波 《西北农林科技大学学报(自然科学版)》 CSCD 北大核心 2020年第6期137-144,154,共9页
【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获... 【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。 展开更多
关键词 作物分类识别 无人机遥感 可见光图像 特征选择 监督分类
下载PDF
加强类别关系的农作物遥感图像语义分割 被引量:6
3
作者 董荣胜 马雨琪 +1 位作者 刘意 李凤英 《中国图象图形学报》 CSCD 北大核心 2022年第11期3382-3394,共13页
目的 遥感图像处理技术在农作物规划、植被检测以及农用地监测等方面具有重要的作用。然而农作物遥感图像上存在类别不平衡的问题,部分样本中农作物类间相似度高、类内差异性大,使得农作物遥感图像的语义分割更具挑战性。为了解决这些问... 目的 遥感图像处理技术在农作物规划、植被检测以及农用地监测等方面具有重要的作用。然而农作物遥感图像上存在类别不平衡的问题,部分样本中农作物类间相似度高、类内差异性大,使得农作物遥感图像的语义分割更具挑战性。为了解决这些问题,提出一种融合不同尺度类别关系的农作物遥感图像语义分割网络CRNet(class relation network)。方法 该网络将ResNet-34作为编码器的主干网络提取图像特征,并采用特征金字塔结构融合高阶语义特征和低阶空间信息,增强网络对图像细节的处理能力。引入类别关系模块获取不同尺度的类别关系,利用一种新的类别特征加强注意力机制(class feature enhancement, CFE)结合通道注意力和加强位置信息的空间注意力,使得农作物类间的语义差异和农作物类内的相关性增大。在解码器中,将不同尺度的类别关系融合,增强了网络对不同尺度农作物特征的识别能力,从而提高了对农作物边界分割的精度。通过数据预处理、数据增强和类别平衡损失函数(class-balanced loss, CB loss)进一步缓解了农作物遥感图像中类别不平衡的问题。结果 在Barley Remote Sensing数据集上进行的实验表明,CRNet网络的平均交并比(mean intersection over union, MIoU)和总体分类精度(overall accuracy, OA)分别达到68.89%和82.59%,性能在评价指标和可视化效果上均优于PSPNet(pyramid scene parsing network)、FPN(feature pyramid network)、LinkNet、DeepLabv3+、FarSeg(foreground-aware relation network)以及STLNet(statistical texture learning network)。结论 CRNet网络通过类别关系模块,在遥感图像复杂的地物背景中更加精准地区分相似的不同农作物,识别特征差异大的同种农作物,并融合多级特征使得提取出的目标边界更加清晰完整,提高了分割精度。 展开更多
关键词 农作物遥感图像 语义分割 类别关系模块 注意力机制 类别平衡损失函数(CB loss) Barley remote sensing数据集
原文传递
基于Sentinel-2遥感影像的玉米秸秆覆盖度估算研究
4
作者 韩颖 张龙龙 +1 位作者 柳阳 冯仰强 《环境生态学》 2024年第11期43-51,共9页
作物秸秆作为农业生产活动中的重要物质,在减少土壤侵蚀、提高土壤保熵及增加土壤团聚体等方面发挥着重要的作用,因此通过遥感技术对大范围作物秸秆覆盖度进行监测具有重要的意义。本研究以样线法和图像分割法2种方法对玉米秸秆覆盖度(C... 作物秸秆作为农业生产活动中的重要物质,在减少土壤侵蚀、提高土壤保熵及增加土壤团聚体等方面发挥着重要的作用,因此通过遥感技术对大范围作物秸秆覆盖度进行监测具有重要的意义。本研究以样线法和图像分割法2种方法对玉米秸秆覆盖度(Crop Residue Cover,CRC)进行野外采样测量,以Sentinel-2影像为基础,利用遥感光谱指数和纹理特征作为特征变量,选择偏最小二乘法(Partial Least Squares Regression,PLSR)建立大范围CRC估算模型。结果表明:1)从遥感影像上提取的遥感光谱指数和纹理特征均与CRC有较好的相关性,其中,简单耕作指数(Simple Tillage Index,STI)与CRC相关性优于其他遥感光谱指数,样线法和图像分割法的决定系数(Coefficient of Determination,R^(2))分别为0.844和0.848;纹理特征与CRC的相关程度低于遥感光谱指数,其中B8A Mean纹理特征与玉米CRC相关性优于其他纹理特征,样线法和图像分割法的R 2分别为0.505和0.507。2)以遥感光谱指数为主、纹理特征为辅的组合方法构建的PLSR模型用于玉米CRC估算精度高于采用单一遥感光谱指数或纹理特征建模的CRC估算精度;其中样线法建模结果相关系数R 2达到0.896,图像分割法构建的模型相关系数R 2为0.892,因此,利用分辨率较高的Sentinel-2影像构建的遥感光谱指数和纹理特征建立PLUS模型在CRC估算方面精度较好,具有良好的应用前景。 展开更多
关键词 秸秆覆盖度 遥感光谱指数 纹理特征 样线法 图像分割法 偏最小二乘法
下载PDF
基于深度语义分割的无人机多光谱遥感作物分类方法 被引量:33
5
作者 杨蜀秦 宋志双 +2 位作者 尹瀚平 张智韬 宁纪锋 《农业机械学报》 EI CAS CSCD 北大核心 2021年第3期185-192,共8页
为精准获取农田作物种植分布信息以满足农业精细化管理需求,基于Deep Lab V3+深度语义分割网络提出了一种面向无人机多光谱遥感影像的农田作物分类方法。通过修改输入层结构、融合多光谱信息和植被指数先验信息、并采用Swish激活函数优... 为精准获取农田作物种植分布信息以满足农业精细化管理需求,基于Deep Lab V3+深度语义分割网络提出了一种面向无人机多光谱遥感影像的农田作物分类方法。通过修改输入层结构、融合多光谱信息和植被指数先验信息、并采用Swish激活函数优化模型,使网络在响应值为负时仍能反向传播。基于2018—2019年连续2年内蒙古自治区河套灌区沙壕渠灌域的无人机多光谱遥感影像,在2018年数据集上构建并训练模型,在2019年数据集上测试模型的泛化性能。结果表明,改进的Deep Lab V3+模型平均像素精度和平均交并比分别为93.06%和87.12%,比基于人工特征的支持向量机(Support vector machine,SVM)方法分别提高了17.75、20.8个百分点,比Deep Lab V3+模型分别提高了2.56、2.85个百分点,获得了最佳的分类性能,且具有较快的预测速度。采用本文方法能够从农田作物遥感影像中学习到表达力更强的语义特征,从而获得准确的作物分类结果,为利用无人机遥感影像解译农田类型提供了一种新的方法。 展开更多
关键词 农田作物分类 深度语义分割 无人机多光谱遥感影像 深度学习
下载PDF
改进DeepLabV3+网络的遥感影像农作物分割方法 被引量:10
6
作者 任鸿杰 刘萍 +1 位作者 岱超 史俊才 《计算机工程与应用》 CSCD 北大核心 2022年第11期215-223,共9页
针对于当前遥感影像农作物提取存在的识别精度较低、边缘识别效果较差、提取速度慢等问题,提出了一种改进DeepLabV3+网络的遥感影像农作物分割方法。将特征提取网络改为更轻量级的MobileNetV2网络,空洞空间金字塔池化模块中的普通卷积... 针对于当前遥感影像农作物提取存在的识别精度较低、边缘识别效果较差、提取速度慢等问题,提出了一种改进DeepLabV3+网络的遥感影像农作物分割方法。将特征提取网络改为更轻量级的MobileNetV2网络,空洞空间金字塔池化模块中的普通卷积改为深度可分离卷积,大幅减少模型计算量,提高模型计算速度;在特征提取模块以及空洞空间金字塔池化模块加入双注意力机制,进一步优化模型边缘识别效果,提升模型分割精度。此外针对农作物数据集类别不平衡问题,引入加权损失函数,给予玉米、薏米与背景类不同的权重,提高模型对农作物区域分割精度。以2019年某地区的无人机遥感影像为研究对象,对玉米、薏米两种农作物进行分割。实验结果表明,改进DeepLabV3+算法像素准确率可达到93.9%,平均召回率可达到90.7%,平均交并比可达到83.3%,优于传统DeepLabV3+、Unet、Segnet等常用于农作物提取的分割方法,对农作物具有更好的分割效果。 展开更多
关键词 农作物分割 双注意力机制 加权损失函数 无人机遥感影像
下载PDF
基于遥感的沙壕渠控制区作物种植结构与空间分布研究 被引量:8
7
作者 李彦 魏占民 +2 位作者 张圣微 王长生 付小军 《中国农村水利水电》 北大核心 2012年第8期20-23,共4页
河套灌区作物种植分类是在河套灌区进行灌溉农业研究的基础,但是仅利用遥感影像提取作物种植结构及种植面积时其精度远远不够,往往难以满足农业遥感在应用上的需求。通常多利用多元影像融合、多时相遥感影像以及遥感影像结合地面采样点... 河套灌区作物种植分类是在河套灌区进行灌溉农业研究的基础,但是仅利用遥感影像提取作物种植结构及种植面积时其精度远远不够,往往难以满足农业遥感在应用上的需求。通常多利用多元影像融合、多时相遥感影像以及遥感影像结合地面采样点来进行作物分类,以提高分类精度。本文以河套灌区内部的沙壕渠控制区为试验区,采用TM遥感影像,以实际地面采样点作为感兴趣区创建训练样本,利用最大似然法进行分类,成功提取了小麦、玉米、葵花及其他作物的种植结构及种植面积,分类总体精度达到了85.87%,Kappa系数为0.769 6。 展开更多
关键词 作物种植面积 TM遥感影像 植被调查点 最大似然法
下载PDF
基于高分辨率影像的蔡家河流域人工林Crop Science单木提取与缺失检测 被引量:2
8
作者 张杰 胡海棠 +3 位作者 张丽 李存军 周静平 谢春春 《西南林业大学学报(自然科学)》 CAS 北大核心 2019年第1期139-145,共7页
以北京市延庆区蔡家河流域人工林为研究对象,以蔡家河流域平原造林区的高分辨遥感影像为数据源,利用ENVI 5.4的Crop Science工具包分别对阔叶林和针叶试验林样区进行单木提取、缺失单木检测,并对研究结果进行精度评价和对比分析。结果表... 以北京市延庆区蔡家河流域人工林为研究对象,以蔡家河流域平原造林区的高分辨遥感影像为数据源,利用ENVI 5.4的Crop Science工具包分别对阔叶林和针叶试验林样区进行单木提取、缺失单木检测,并对研究结果进行精度评价和对比分析。结果表明:Crop Science对人工幼林进行单木提取效果较好,总体精度达到94%以上;缺失单木的识别受林木排列规整程度影响较大,排列越规整,提取效果越好。本研究探索了一种基于高分辨率遥感数据进行人工林地单木定位、计数及缺失单木查找的简便可行的方法,有利于林业管护人员快速获取高精度林木监测信息。 展开更多
关键词 北京平原造林 蔡家河流域 人工林 crop SCIENCE 高分辨率影像 单木检测
下载PDF
基于无人机遥感影像的农业种植数量测量 被引量:1
9
作者 赵芳 贺怡 《无线电工程》 北大核心 2021年第10期1110-1115,共6页
为了发展精细农业并降低农业种植的人工成本,利用无人机遥感影像实现了农作物产量的智能化测量系统。该系统利用低空无人机拍摄农作物的遥感图像,将图像传入卷积神经网络进行特征提取。将卷积神经网络特征图传入特征金字塔网络提取不同... 为了发展精细农业并降低农业种植的人工成本,利用无人机遥感影像实现了农作物产量的智能化测量系统。该系统利用低空无人机拍摄农作物的遥感图像,将图像传入卷积神经网络进行特征提取。将卷积神经网络特征图传入特征金字塔网络提取不同尺度的特征图,再将每个尺度的特征图送入不同形状的滑动窗口处理,将特征图拼接起来。实验结果表明,该测量系统能够准确地测量农作物的数量与位置,测量精度较Faster R-CNN提升了约16.2%。 展开更多
关键词 精细农业 农作物产量测量 无人机遥感影像 卷积神经网络 特征金字塔网络 目标检测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部