一种枣树叶螨虫害识别方法和系统

本发明属于虫害识别领域，尤其涉及一种枣树叶螨虫害识别方法和系统。

背景技术：

1、叶螨是危害枣树的主要害虫之一，枣树叶螨虫害具有爆发性强、传播速度快的特点，防治难度大。叶螨虫害会引发枣树叶片枯黄、病斑及蜷缩等症状，危害枣树的正常生长和结果，严重制约红枣产业的发展。传统的防治方法仍以植保人员的田间调查为主，费时、费力、主观性强、时效性差、无法同步获取全局的病虫害信息，难以满足当前的大规模种植区病虫害防治及实现精准农业的需求。

技术实现思路

1、为解决上述技术问题，本发明提出一种枣树叶螨虫害识别方法的技术方案，以解决上述技术问题。

2、本发明第一方面公开了一种枣树叶螨虫害识别方法，所述方法包括：

3、步骤s1、采集区域尺度的枣树高光谱遥感影像及地面数据作为高光谱影像数据；

4、步骤s2、对所述高光谱影像数据进行数据预处理；

5、步骤s3、提取预处理后的高光谱影像数据中的光谱特征图；

6、步骤s4、通过衡量所述光谱特征图的中心像素与邻域内像素的光谱相似性，对中心像素点重构，以提取光谱特征图中空间信息，得到图像的光谱空间特征；

7、步骤s5、应用聚类方法分析所述光谱空间特征，识别健康区域、感染区域以及地表三种情况，得到枣树叶螨虫害结果图像，进而得到实地叶螨虫害病变情况。

8、根据本发明第一方面的方法，在所述步骤s2中，所述对所述高光谱影像数据进行数据预处理的方法包括：

9、应用图像拼接、辐射校正、暗电流矫正、大气校正和几何校正方法对所述高光谱影像数据进行初步数据预处理。

10、根据本发明第一方面的方法，在所述步骤s2中，所述对所述高光谱影像数据进行数据预处理的方法还包括：

11、使用可见光植被差异指数在初步数据预处理后的高光谱图像中提取枣树种植区。

12、根据本发明第一方面的方法，在所述步骤s3中，所述提取预处理后的高光谱影像数据中的光谱特征图的方法包括：

13、使用主成分分析、局部线性嵌入、光谱敏感度和波段聚类提取预处理后的高光谱影像数据中的四种光谱特征图。

14、根据本发明第一方面的方法，在所述步骤s4中，所述通过衡量所述光谱特征图的中心像素与邻域内像素的光谱相似性，对中心像素点重构，以提取光谱特征图中空间信息，得到图像的光谱空间特征的方法包括：

15、使用加权空谱均值滤波算法衡量所述光谱特征图的中心像素与邻域内像素的光谱相似性，对中心像素点重构，以提取光谱特征图中空间信息，得到图像的光谱空间特征。

16、根据本发明第一方面的方法，在所述步骤s5中，所述应用聚类方法分析所述光谱空间特征，识别健康区域、感染区域以及地表三种情况的方法包括：

17、应用基于距离度量与基于密度度量的k均值聚类、模糊聚类和密度峰值聚类算法，设置聚类中心为3，识别健康区域、感染区域以及地表三种情况。

18、根据本发明第一方面的方法，在所述步骤s5中，所述得到实地叶螨虫害病变情况的方法包括：

19、结合所述地面数据，评定基于距离度量与基于密度度量的k均值聚类、模糊聚类和密度峰值聚类算法的精度，确定识别所述区域叶螨虫害准确率最高的算法，得到实地叶螨虫害病变情况。

20、本发明第二方面公开了一种枣树叶螨虫害识别系统，所述系统包括：

21、第一处理模块，被配置为，采集区域尺度的枣树高光谱遥感影像及地面数据作为高光谱影像数据；

22、第二处理模块，被配置为，对所述高光谱影像数据进行数据预处理；

23、第三处理模块，被配置为，提取预处理后的高光谱影像数据中的光谱特征图；

24、第四处理模块，被配置为，通过衡量所述光谱特征图的中心像素与邻域内像素的光谱相似性，对中心像素点重构，以提取光谱特征图中空间信息，得到图像的光谱空间特征；

25、第五处理模块，被配置为，应用聚类方法分析所述光谱空间特征，识别健康区域、感染区域以及地表三种情况，得到枣树叶螨虫害结果图像，进而得到实地叶螨虫害病变情况。

26、本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种枣树叶螨虫害识别方法中的步骤。

27、本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种枣树叶螨虫害识别方法中的步骤。

28、综上，本发明提出的方案能够通过特征选择(主成分分析、局部线性嵌入)及特征提取(光谱敏感度分析、波段聚类)等多种方法提取图像的光谱特征，使用加权空谱均值滤波融合图像中的空间信息，最后使用聚类算法识别出受叶螨虫害胁迫区域，该方法充分挖掘了高光谱图像中丰富的光谱信息，并进一步结合空间信息构造出光谱-空间特征，有效的去除高光谱图像中的冗余信息，降低图像噪声及混合像元对识别结果的影响，具有更好的鲁棒性，提高了枣树叶螨虫害识别准确率。

技术特征：

1.一种枣树叶螨虫害识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种枣树叶螨虫害识别方法，其特征在于，在所述步骤s2中，所述对所述高光谱影像数据进行数据预处理的方法包括：

3.根据权利要求1所述的一种枣树叶螨虫害识别方法，其特征在于，在所述步骤s2中，所述对所述高光谱影像数据进行数据预处理的方法还包括：

4.根据权利要求1所述的一种枣树叶螨虫害识别方法，其特征在于，在所述步骤s3中，所述提取预处理后的高光谱影像数据中的光谱特征图的方法包括：

5.根据权利要求1所述的一种枣树叶螨虫害识别方法，其特征在于，在所述步骤s4中，所述通过衡量所述光谱特征图的中心像素与邻域内像素的光谱相似性，对中心像素点重构，以提取光谱特征图中空间信息，得到图像的光谱空间特征的方法包括：

6.根据权利要求1所述的一种枣树叶螨虫害识别方法，其特征在于，在所述步骤s5中，所述应用聚类方法分析所述光谱空间特征，识别健康区域、感染区域以及地表三种情况的方法包括：

7.根据权利要求6所述的一种枣树叶螨虫害识别方法，其特征在于，在所述步骤s5中，所述得到实地叶螨虫害病变情况的方法包括：

8.一种用于枣树叶螨虫害识别系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至7中任一项所述的一种枣树叶螨虫害识别方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至7中任一项所述的一种枣树叶螨虫害识别方法中的步骤。

技术总结
本发明提出一种枣树叶螨虫害识别方法和系统。其中，方法包括：采集区域尺度的枣树高光谱遥感影像及地面数据；对高光谱影像数据进行数据预处理，并提取其光谱特征图；通过衡量光谱特征图的中心像素与邻域内像素的光谱相似性，对中心像素点重构，以提取光谱特征图中空间信息，得到图像的光谱空间特征；应用聚类方法分析光谱空间特征，识别健康区域、感染区域以及地表三种情况，得到枣树叶螨虫害结果图像，进而得到实地叶螨虫害病变情况。本发明提出的方案能够充分挖掘了高光谱图像中丰富的光谱信息，有效的去除高光谱图像中的冗余信息，降低图像噪声及混合像元对识别结果的影响，具有更好的鲁棒性，提高了枣树叶螨虫害识别准确率。

技术研发人员：屈广俊,伍岳,张清,周晓桢
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：
技术公布日：2024/1/16