一种基于近地面高光谱影像的水稻阴阳叶穗识别方法与流程

技术特征：

1.一种基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，包括以下步骤：

步骤1：采集水稻全生育期间冠层的近地面高光谱影像数据，获得独立的训练影像数据与独立的验证影像数据；

步骤2：对近地面高光谱影像数据进行预处理，包括提取影像反射率数据、对反射率数据去噪平滑和基于增强型植被指数EVI的背景掩模；

步骤3：从训练影像数据中选取阴叶、阳叶、阴穗、阳穗的感兴趣区，并以选择的感兴趣区的像元光谱作为训练样本数据并建立阴阳叶穗光谱数据库；

步骤4：根据影像反射率数据计算光化学反射指数值PRI和转换叶绿素吸收反射指数值TCARI，并利用PRI和TCARI构建基于植被指数的阴阳叶穗分类决策树；

步骤5：根据阴阳叶穗分类决策树区分阴叶、阳叶、阴穗、阳穗；

步骤6：从验证影像数据中选取与训练影像数据同等数量的阴阳叶穗像元作为验证样本集，根据阴阳叶穗分类决策树对验证影像进行分类，得到分类后的图像，利用验证样本集的实际类别对分类精度进行评估，并计算分类的总体精度、制图精度、用户精度和Kappa系数，其中，总体精度为被正确分类的像元总和除以总像元数，制图精度为分类器将整个影像的像元正确分为A类的像元数与A类真实参考总数的比率，用户精度为正确分到A类的像元总数与分类器将整个影像的像元分为A类的像元总数的比率，Kappa系数的计算公式如下：

式中，K为Kappa系数，r是误差矩阵的行数，xkk是k行k列(主对角线)上的值，xk∑和x∑k分别是第k行的和与第k列的和，N是样本总数。

2.根据权利要求1所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤1中，采集的影像数据包括不同生育期、不同施氮水平、不同种植密度处理和不同水稻品种类型的水稻。

3.根据权利要求1或2所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，采集影像数据的生育期包括分蘖初期、分蘖盛期、拔节期、孕穗期、抽穗期和灌浆期。

4.根据权利要求1所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤2中预处理的具体步骤包括：

步骤2-1：利用反射率为99％的参考反射板的数字量化值和暗电流噪声的数字量化值将影像数据中地物的数字量化值校正为影像反射率数据；

步骤2-2：选择最小噪声分离变换MNF前向变换中的前10个波段对反射率数据进行后向MNF变换，得到去噪后的高光谱图像数据；

步骤2-3：利用影像反射率数据计算增强型植被指数EVI值，提取EVI值大于阈值的影像为水稻植株器官的像元并同步生成背景的掩模。

5.根据权利要求4所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤2-3中增强型植被指数EVI值的计算公式为：

其中，R490、R670、R800分别为波段为490nm、670nm、800nm的反射率。

6.根据权利要求1所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤4中构建阴阳叶穗分类决策树具体步骤包括：

步骤4-1：将叶穗阈值设置为叶片PRI均值与稻穗PRI均值的平均数PRI(E)，PRI值大于PRI(E)的植被为叶片，PRI值小于等于PRI(E)的植被为稻穗；

步骤4-2：将阴阳叶阈值设置为阳叶TCARI均值与阴叶TCARI均值的平均数TCARI(E1)，TCARI值大于TCARI(E1)的植被为阳叶，TCARI值小于等于TCARI(E1)的植被为阴叶；

步骤4-3：将阴阳穗阈值设置为阳穗TCARI均值与阴穗TCARI均值的平均数TCARI(E2)，TCARI值大于TCARI(E2)的植被为阳穗，TCARI值小于等于TCARI(E2)的植被为阴穗。

7.根据权利要求1所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤4中光化学反射指数值PRI的计算公式为：

PRI＝(R531-R570)/(R531+R570)

其中，R531，R570分别为波段为531nm，570nm的反射率。

8.根据权利要求1所述的基于近地面高光谱影像的水稻阴阳叶穗识别方法，其特征在于，步骤4中转换叶绿素吸收反射指数值TCARI的计算公式为：

其中，R550，R670，R700分别为波段为550nm，670nm，700nm的反射率。