基于RGB-NIR图像匹配的作物光谱指数特征可视化分析

论文摘要

归一化植被指数（NDVI）基于可见光的红色波段（630～680 nm）和近红外区（780～1 100 nm）的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光（RGB）和近红外（NIR）图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°, 54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF, SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间（Time）,峰值信噪比（PSNR）,信息熵（MI）和结构相似性（SSIM）4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性三个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法（ExG）和最大类间方差算法（OTSU）,分别实现图像中作物和背景的分离,提取分割后的RGB图像R（Red）, G（Green）, B（Blue）分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R（Red）和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示, RGB-NIR图像匹配时间SIFT（1.865 s）>SURF（1.412 s）>ORB（1.121 s）,匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R, G, B, NIR分量校正模型的R2分别为0.78, 0.76, 0.74, 0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。

论文目录

• 引 言
• 1 实验部分
•   1.1 图像采集
•   1.2 图像处理总体流程
•   1.3 图像匹配算法
•     ① SURF匹配算法
•     ② SIFT匹配算法
•     ③ ORB匹配算法
•   1.4 图像匹配性能评价
•   1.5 作物目标图像分割
•   1.6 NDVI植被指数计算与空间分布图绘制
• 2 结果与讨论
•   2.1 图像匹配算法比较
•   2.2 基于SURF算法的玉米植株图像匹配
•   2.3 作物图像分割
•   2.4 图像反射率校正
•   2.5 NDVI植被指数计算与分布图分析
• 3 结 论

文章来源

类型: 期刊论文

作者: 孙红,邢子正,张智勇,马旭颖,龙耀威,刘宁,李民赞

关键词: 和图像,图像处理,图像匹配对齐,植被指数空间分布

来源: 光谱学与光谱分析 2019年11期

年度: 2019

分类: 基础科学,农业科技,信息科技

专业: 物理学,农作物,计算机软件及计算机应用

单位: 中国农业大学现代精细农业系统集成研究教育部重点实验室

基金: 国家“十三五”重点研发计划课题(2016YFD0200600-2016YFD0200602和2018YFD0300505-1),国家自然科学基金项目(31501219),中国农业大学研究生培养项目(ZYXW037,HJ2019029,YW2019018)资助

分类号: TP391.41;O433.4;S513

页码: 3493-3500

总页数: 8

文件大小: 5100K

下载量: 207