论文部分内容阅读
随着科技的发展，无人机在精准农业领域有着广泛的应用。本文研究的内容是基于无人机航拍图像中的烟草植株的识别与计数。烟草植株的识别和计数在烟草种植精准管理系统中扮演着重要的角色，可以用于烟草产量的精准估计，帮助烟农增产增收。 本文使用无人机航拍技术采集烟草种植田的图像，使用图像处理技术自动识别和计数烟草种植田航拍图像中的烟草植株的方法。本文研究的内容由以下四部分组成：无人机采集烟草种植田图像、分割烟草植株候选区域、提取烟草植株候选区域的特征和对烟草植株候选区域进行分类。 （1）使用无人机航拍技术从烟草田上空采集图像比使用其他地面工具采集图像更具有优势。无人机从高空拍摄图像具有独特的视角，视野广阔，图像射影失真小，适应于各种地形环境。无人机作业不仅效率高，还可以避免进入烟田对烟草造成伤害。 （2）对烟田航拍图像进行预处理，分割出烟田航拍图像中的烟草植株的候选区域。基于烟草植株中心区域和周围区域的色差，本文提出了两种方法提取烟草植株候选区域：基于分水岭的直接分割候选区域法和基于烟草植株的中心区域直接提取候选区域法。 （3）根据烟草植株的特征，设计用于对烟草植株候选区域进行分类的特征向量。通过分析烟草植株叶片的颜色特征和纹理特征，设计的特征主要包括b通道的直方图、H通道的均值和方差、S通道的均值和方差、绿色通道一阶导数的均值和方差、绿色通道二阶导数的均值和方差。 （4）使用分类器将烟草植株候选区域分成烟草植株和非烟草植株，并在航拍图像中标记出检测到的烟草植株的位置。本文中采用的分类器是SVM（支持向量机），SVM使用少数样本就能训练出准确的分类模型，具有很强的泛化性能。 本文提出的算法在一个自己建立的数据库上进行测试和评价，统计实验结果可得，基于分水岭的直接分割候选区域法的平均查全率93.47％、平均查准率为94.48%；基于烟草植株的中心区域直接提取候选区域法的平均查全率为93.88%、平均查准率为95.52%。通过实验结果证明了所提的两种算法的可行性和有效性，都能满足实际应用中的需求。