基于超像素颜色分级斜度分布特征的窄带光谱图像的树冠提取方法研究
Hongfeng Yu1, Yongqian Ding2,3, Pei Zhang4
1College of Engineering, Nanjing Agricultural University, Nanjing, 210031, China.
Plant methods
|October 1, 2024
概括
这项研究引入了一种使用窄带光谱图像提取作物树冠的新方法,通过分析叶子颜色偏来提高准确性. 该方法通过允许更好的作物表型分析来增强精准农业.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 多频窄频谱成像对于精密农业至关重要,它可以检测作物生理和生化参数.
- 目前用于这些设备的树冠提取方法面临挑战,原因是作物树冠和背景之间的微妙差异.
研究的目的:
- 开发一种实时嵌入式窄带光谱图像树冠提取方法,用于作物表型分析.
- 通过结合偏斜色彩分布特征来解决现有方法的局限性.
主要方法:
- 开发了一种使用超像素倾斜色调分级分布用于窄带光谱图像的新的树冠提取方法.
- 引入了曲解和斜度特征参数来分析叶子颜色分级.
- 建立了两个贝叶斯分类器模型来评估偏斜分布特征的有效性.
主要成果:
- 拟议的方法实现了90.41%的交叉与结合 (IoU),显著超过传统的Otsu算法 (77.95%).
- 在贝叶斯分类器模型中,分类精度从72.02% (没有偏斜参数) 提高到91.76% (有偏斜参数).
- 验证证实,在4200个超级像素中,有4190个超级像素符合斜率分布,证明了该方法的稳定性.
结论:
- 引入kurtosis和斜度参数有效地扩展了叶子颜色信息表达在光谱图像中.
- 超像素色差分布方法为在窄带光谱图像中对作物树冠进行细分提供了有效的解决方案.
- 这一进步为在精准农业中作物树冠表型特征提取提供了一种新的方法.
