随着精细化农业对作物密度的空间数据产生的需求,高效、准确、完整地获取种植园内香蕉植株数测定成为香蕉种植精细化生产管理、施肥施药和产量估测等亟待解决的难题。研究以广西壮族自治区崇左市龙州县某香蕉种植基地为试验区,探讨利用...随着精细化农业对作物密度的空间数据产生的需求,高效、准确、完整地获取种植园内香蕉植株数测定成为香蕉种植精细化生产管理、施肥施药和产量估测等亟待解决的难题。研究以广西壮族自治区崇左市龙州县某香蕉种植基地为试验区,探讨利用深度学习检测对象(Detect Object Using Deep Learning)方法精准测定香蕉植株数的可行性。首先基于无人机遥感系统获取并制作分辨率优于0.2米正射影像;然后,面向正射影像,通过人工目测标对香蕉树进行标注并制作样本库,并利用制作的样本库对像素级目标分割MaskRCNN模型进行训练;最后,利用训练得到的深度学习检测对象模型对正射影像内的全部香蕉树进行识别提取,并结合目视解译数据判读结果精度。结果表明:采用面向对象多尺度分割算法提取香蕉株数的精度在96.17%,查全率达到99.05%,证明该方法用于香蕉、剑麻等作物快速查勘定损理赔中的株数估测是可行的。展开更多
针对航空影像与激光雷达点云数据间存在显著的几何畸变和辐射差异导致难以精确配准的问题,提出了一种基于几何约束和稠密结构特征的自动配准方法。该方法包括粗配准和精配准两个阶段。粗配准通过基于分块FAST算子的特征点提取和局部几...针对航空影像与激光雷达点云数据间存在显著的几何畸变和辐射差异导致难以精确配准的问题,提出了一种基于几何约束和稠密结构特征的自动配准方法。该方法包括粗配准和精配准两个阶段。粗配准通过基于分块FAST算子的特征点提取和局部几何校正两个步骤,消除影像间明显的尺度和旋转差异。在精配准阶段,首先构建了一个结合一阶和二阶梯度信息的新描述符(second-and first-order channel features of orientated gradients,S-CFOG)来提取影像间稠密的结构特征,然后在频率域采用三维相位相关作为相似性度量进行同名点匹配。最后,利用同名点对外方位元素进行精化,实现对这两类数据的精配准。通过两组不同覆盖场景的数据进行实验,结果表明,该方法可达到1~2个像素的配准精度。展开更多
针对当前无人机航空影像阴影角度校正方法存在校正精度和召回率较低,导致无人机航空影像信息的利用价值降低的问题,本文提出了立体测绘型双翼无人机航空影像阴影角度校正方法。以无人机检测到的影像阴影边缘为基础点,计算航空影像色彩...针对当前无人机航空影像阴影角度校正方法存在校正精度和召回率较低,导致无人机航空影像信息的利用价值降低的问题,本文提出了立体测绘型双翼无人机航空影像阴影角度校正方法。以无人机检测到的影像阴影边缘为基础点,计算航空影像色彩空间的色调差参照值和阴影区域的色调分量,根据阴影区域的纹理特征,去除无人机航空影像的阴影;考虑双翼无人机航行的空间位置,将无人机航空影像的RGB(red green blue)色彩空间转换为HSV(hue saturation value)色彩空间,通过无人机航空影像阴影角度的平滑处理,控制无人机航空影像阴影角度;利用灰度线性变化算法与自适应阈值计算法,对无人机航空影像阴影角度进行校正处理,实现对无人机航空影像阴影角度的精确校正,完成无人机航空影像阴影角度的控制与校正算法设计。结果表明:采用本文方法在Txcet-M数据集和Nfteg-H数据集进行航空影像测试,校正精度最高可达99%,召回率最高为98%;在GIswu-K数据集进行测试,得到的校正精度和召回率均在75%以上。这说明利用本文方法可以较好地优化航空影像阴影角度校正性能。展开更多
文摘随着精细化农业对作物密度的空间数据产生的需求,高效、准确、完整地获取种植园内香蕉植株数测定成为香蕉种植精细化生产管理、施肥施药和产量估测等亟待解决的难题。研究以广西壮族自治区崇左市龙州县某香蕉种植基地为试验区,探讨利用深度学习检测对象(Detect Object Using Deep Learning)方法精准测定香蕉植株数的可行性。首先基于无人机遥感系统获取并制作分辨率优于0.2米正射影像;然后,面向正射影像,通过人工目测标对香蕉树进行标注并制作样本库,并利用制作的样本库对像素级目标分割MaskRCNN模型进行训练;最后,利用训练得到的深度学习检测对象模型对正射影像内的全部香蕉树进行识别提取,并结合目视解译数据判读结果精度。结果表明:采用面向对象多尺度分割算法提取香蕉株数的精度在96.17%,查全率达到99.05%,证明该方法用于香蕉、剑麻等作物快速查勘定损理赔中的株数估测是可行的。
文摘针对航空影像与激光雷达点云数据间存在显著的几何畸变和辐射差异导致难以精确配准的问题,提出了一种基于几何约束和稠密结构特征的自动配准方法。该方法包括粗配准和精配准两个阶段。粗配准通过基于分块FAST算子的特征点提取和局部几何校正两个步骤,消除影像间明显的尺度和旋转差异。在精配准阶段,首先构建了一个结合一阶和二阶梯度信息的新描述符(second-and first-order channel features of orientated gradients,S-CFOG)来提取影像间稠密的结构特征,然后在频率域采用三维相位相关作为相似性度量进行同名点匹配。最后,利用同名点对外方位元素进行精化,实现对这两类数据的精配准。通过两组不同覆盖场景的数据进行实验,结果表明,该方法可达到1~2个像素的配准精度。
文摘针对当前无人机航空影像阴影角度校正方法存在校正精度和召回率较低,导致无人机航空影像信息的利用价值降低的问题,本文提出了立体测绘型双翼无人机航空影像阴影角度校正方法。以无人机检测到的影像阴影边缘为基础点,计算航空影像色彩空间的色调差参照值和阴影区域的色调分量,根据阴影区域的纹理特征,去除无人机航空影像的阴影;考虑双翼无人机航行的空间位置,将无人机航空影像的RGB(red green blue)色彩空间转换为HSV(hue saturation value)色彩空间,通过无人机航空影像阴影角度的平滑处理,控制无人机航空影像阴影角度;利用灰度线性变化算法与自适应阈值计算法,对无人机航空影像阴影角度进行校正处理,实现对无人机航空影像阴影角度的精确校正,完成无人机航空影像阴影角度的控制与校正算法设计。结果表明:采用本文方法在Txcet-M数据集和Nfteg-H数据集进行航空影像测试,校正精度最高可达99%,召回率最高为98%;在GIswu-K数据集进行测试,得到的校正精度和召回率均在75%以上。这说明利用本文方法可以较好地优化航空影像阴影角度校正性能。
