基于三维点云数据的苹果树冠层几何参数获取

针对果园环境下苹果树冠层参数获取精度较低的问题,提出了基于地面三维激光扫描仪高精度获取苹果树冠层参数的方法.选用Trimble TX8地面三维激光扫描仪作为苹果树冠层三维点云数据采集设备,提出了基于标靶球的KD-trees-ICP算法,用于高精度配准苹果树冠层三维点云数据.研究了平均风速小于4.5 m/s时,距离地面三维激光扫描仪不同远近条件下的标靶球配准残差和拟合误差的变化规律,分析结果表明,标靶球平均配准残差为1.3mm,平均拟合误差为0.95 mm,低于大场景测量配准误差要求(5mm).为了提高有风环境下提取苹果树冠层参数的精度,研究了0.9～4.5 m/s区间平均风速影响下的苹果树冠层枝干、果实、叶片的三维点云质量,建立了风速与叶片侧面厚度的曲线拟合模型,分析结果表明,在果园平均风速小于1.6 m/s时可以从苹果树冠层三维点云数据中提取高精度冠层参数.利用地面激光三维扫描仪获取距离苹果树12 000 mm以内冠层参数,测量精度高于人工测量,相对误差小于4％,为果树高通量信息获取提供了技术支持.     

基于苹果树冠层计盒维数的光照分布预测

果园精细管理中,苹果树冠层结构决定了叶幕期光照分布情况,而叶幕期光照分布又是关系到果实产量和质量的重要因素之一。该文以纺锤体苹果树为研究对象,提出了基于苹果树冠层计盒维数的光照分布预测方法。在冠层尺度内,按照网格法划分休眠期苹果树冠层三维点云数据,通过分析该数据构成的果树冠层空间结构,提出用计盒维数量化果树冠层结构的方法;通过分析休眠期冠层结构特征和叶幕期冠层相对光照分布特点,研究了休眠期苹果树三维冠层网格空间计盒维数与叶幕期冠层光照空间分布之间的关系,预测了叶幕成形期苹果树冠层光照分布。通过连续3 a的数据分析,叶幕期苹果树冠层阳面光照分布平均预测精度为76.11%,阴面平均光照分布预测精度为74.10%,该方法可为苹果树自动化修剪合理性评判提供技术支持。     

Harris角点自适应检测的水稻低空遥感图像配准与拼接算法

图像配准和拼接的自动化是微小型无人机能否被广泛应用于水稻长势低空遥感监测的关键技术之一。为了改进Harris角点检测算法中阈值需要人为设定的局限,文章提出了基于Harris角点自适应检测的水稻低空遥感图像配准与拼接算法。该算法在Harris角点检测算法的基础上进行改进,采用基于图像像素灰度值标准差标准化的方法进行角点的自适应确定,并对角点进行特征描述,利用角点特征描述算子之间的欧式距离进行配准。为了验证算法的有效性并进行相关参数的优化,采用多旋翼无人直升机获取了水稻长势的低空遥感图像,并设计了重复率(衡量角点检测的稳定性)、辨识率(衡量角点描述算子的辨识度)、配准率(衡量图像的拼接精度)以及运行时间(衡量算法的运算速度)4个评价指标对配准与拼接的结果进行评判。随机选取获得的低空遥感图像分成3组进行测试,试验结果表明,平均配准率达到了98.95%,且各组图像之间的重复率与配准率差异不显著(显著性水平为0.05),说明改进后的算法稳定。设计了角点自适应检测算法阈值参数的优选试验,阈值参数为标准化处理后的图像像素灰度值标准差,方差分析结果表明,图像像素灰度标准差为1和2时配准率的差异不显著(显著性水平为0.05),但当图像像素灰度标准差为1时,图像配准与拼接平均运行时间是其为2时的2.5倍,因此,可设定图像像素灰度标准差为2作为本算法的较优参数。     

田间光照条件下应用半球图像解析玉米冠层结构参数

半球图像法是一种重要的作物冠层结构参数间接获取方法,该文针对半球图像法易受田间变化光照影响,提出一种基于多曝光图像融合映射的变化光照去除方法。首先,在田间条件下获取一组不同曝光值的冠层半球图像序列,然后通过图像亮度和曝光时间的线性方程组计算冠层的光照辐射强度图,而后采用直方图均衡化思想将不同时刻光照辐射强度图向RGB空间映射,映射后半球图像亮度均衡分布,消除光线变化对图像亮度的影响。在冠层参数解析阶段,利用Beer-Lambert定律反演玉米半球图像冠层叶面积指数(leaf area index,LAI)和平均叶倾角(mean leaf angle,MLA)的计算方法。试验结果表明,变化光照条件下半球图像冠层参数解析方法与直接测量法具有较高的相关性,LAI测量相关系数为0.970。该方法扩展了半球图像法的适用范围,为田间环境下冠层参数的自动连续监测提供了解决方案。     

基于多层感知器神经网络对遥感融合图像和TM影像进行土地覆盖分类的研究

８０年代以来，人工神经元网络（ＡＮＮ）技术的应用不断向广度和深度发展．用不同空间分辨率的ＴＭ和ＩＲＳ遥感图像进行融合，综合了不同传感器数据所提供的信息，增强了图像的清晰度，改善了解译效果。用多层感知器神经网络对遥感融合图像进行分类，分类精度达９５％，比用多层感知器神经网络对ＴＭ图像进行分类（分类精度达７３％）效果要好．     

基于可视化类库的植株三维形态配准方法及点云可视化

精确的植物三维静态形态结构模型有助于植物空间结构相关的各种研究,是虚拟植物、植物建模等问题研究的一个重要方面。研究植物生长过程中的三维信息的获取可以获得作物生长过程中各参数的动态数据,可为精细农业植物生长模型建立等提供依据。该文以植物为研究对象,介绍了虚拟植物及植物三维可视化的研究现状,讨论了植物叶片三维可视化的可行性及必要性。针对植物三维点云的采集与处理上,讨论了三维扫描仪的精度测定方法,并针对基于基准体的植株点云配准问题,提出采用基准体点云平均法向量计算的方法,去除了部分基准体表面的噪声点,提高了植株体的配准精度;采用迭代最近点（iterative closest point,ICP）算法,对植株叶片进行进一步的高精度配准。最后采用基于可视化类库VTK(visualization toolkit)实现了植物点云配准与三维可视化。     

基于多信息融合的番茄冠层水分诊断

为精确、快速、稳定地测定番茄植株含水率并能全面检测其水分胁迫程度,该文通过将番茄冠层的反射光谱、多光谱图像、冠层温度特征及环境温湿度进行多信息融合,评判其水分胁迫状况。通过去除冠层光谱噪声波长,并进行相关性分析,确定950～1080nm、1170～1300nm、1370～1500nm、1600～1730nm和1860～1980nm为5个相关性较高的波段,并利用逐步回归,进一步筛选出1026、1247、1431、1640、1910nm为特征波长。对获取的中心波长为810nm近红外图像和560nm可见光图像进行3×3窗口的中值滤波,采用最大类间方差法进行图像分割,计算图像的平均灰度。获取番茄冠层温度,并结合环境温湿度信息,建立番茄的冠气温差模型和水分胁迫指数模型。将5个特征波长、单通道的近红外和可见光图像的灰度均值和CWSI作为多信息融合的输入,利用偏最小二乘-神经网络回归分析并进行了验证,最终得到实测值与预测值的相关系数为0.9364,验证均方根误差为10.6713,平均误差为7.6714%,拟合方程斜率为0.9615。多信息融合模型的各项评价指标均好于单一信息模型。     

国内多源遥感数据融合研究综述

本文主要针对广泛应用的多源遥感数据融合方法,如IHS变换、主成分变换、小波变换法、神经网络法等进行简要介绍.概括了国内学者的主要研究成果,指出了遥感图像融合技术的关键是图像之间的空间配准,发展方向是多源遥感数据融合模型的普遍适用性.     

基于多光谱图像融合和形态重构的图像分割方法

一些成熟的瓜果果实在单一的光谱图像中,果与叶的灰度值只存在微小差异,常用的图像分割方法不足以把果与叶区分开,为此,提出一种基于多光谱图像融合的形态学重构分割方法。首先,采集同一目标的可见光彩色图像和近红外图像,对此多光谱图像分别采用主成分分析（PCA）、小波变换以及可见光图像H分量与近红外图像NIR的算术组合（NIR/H）等方式进行融合处理;然后,对融合图像进行形态学重构分水岭分割。多幅苹果和番茄图像的目标提取试验结果表明,对可见光图像和近红外图像的PCA和小波变换融合图像进行形态学重构分水岭分割,可以得到较好的分割效果,尤其是小波变换融合图像的形态学重构分水岭分割效果更具有自适应性。     

融合超分辨率重建的YOLOv5松枯死木识别模型

为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题,该研究提出了一种在特征层级进行超分辨率重建的YOLOv5松枯死木识别算法。在YOLOv5网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图,自适应改变感受野的机制分配权重,将更多注意力集中在纹理细节,提升了小目标和模糊目标的识别精度。同时,使用前景背景平衡损失函数抑制背景噪声干扰,增加正样本的梯度贡献,改善正负样本分布不平衡问题。试验结果表明,改进后算法在交并比（intersection over union, IoU）阈值取0.5时的平均精度均值（mean average precision, mAP50）为92.7%,mAP50~95（以步长0.05从0.5到0.95间取IoU阈值下的平均mAP）为62.1%,APsmall（小目标平均精度值）为53.2%,相比于原算法mAP50提高了3.2个百分点,mAP50~95提升了8.3个百分点,APsmall提升了15.8个百分点。不同算法对比分析表明,该方法优于Faster R-CNN、YOLOv4、YOLOX、MT-YOLOv6、QueryDet、DDYOLOv5等深度学习算法,mAP50分别提高了16.7、15.3、2.5、2.8、12.3和1.2个百分点。改进后松枯死木识别算法具有较高精度,有效缓解了小目标与纹理模糊目标识别困难问题,为后续疫木清零提供技术支持。     

6S辐射校正与像元分解结合提高苹果树花期冠层反射率反演精度

为了获取近似真实的苹果树冠层反射率,该文以山东省栖霞市为研究区,应用DEM数据和6S辐射传输模型,对苹果树花期TM影像进行辐射校正、混合像元分解,获取26个果园苹果树冠层反演反射率,将反演结果与相同时段地面实测冠层反射率以及表观反射率、表观—像元分解反射率进行比较,分析了反演效果及精度。结果表明,地表反演反射率有效减弱了地形和大气的影响,恢复了阴影处的地物,影像清晰度明显提高;苹果树冠层反演反射率样本平均值误差较表观、表观—像元分解、地表反演3类反射率小,与实测值的相关系数提高,而且样本间变化趋势与实测值基本一致。此反演方法具有一定可行性,对于苹果树冠层反射率和苹果园管理基础数据获取与应用具有积极意义,也可为其他农业遥感反演研究及应用提供借鉴。