基于神经网络与决策树的土壤粗糙度测量

利用野外拍摄照片判读土壤粗糙度是一种简单快速的测算方法。为了克服人工判读处理效率低、结果易受人为因素影响和目前的计算机自动读取结果易受野外杂草影响、自动化程度有待提高的缺点,提出了一种基于神经网络和决策树的土壤粗糙度测量方法。该方法在建立神经网络时充分考虑土壤边界线、白板边缘及参考方框的特征选取输入特征向量,消除噪声影响,实现图像边缘检测;并在此基础上建立决策树区分白板、土壤、参考方框等信息,完成土壤边界线和比例尺的获取。野外试验中不可避免有杂草和光照的影响,考虑到阴影、土壤和杂草色彩的差异性,决策树判决准则的选择不仅包含了纹理信息而且考虑了色彩信息。试验表明,基于神经网络与决策树的土壤粗糙度测量采用带有简单方框的参考白板能快速高效地从复杂的野外照片中获取土壤粗糙度信息,降低了拍摄要求。自动提取结果与人工判读相比,所得均方根高度的误差在5%以内,相关长度的计算误差在1%以内,具有较高的精度和可靠性。该研究方法为土壤粗糙度实时在线测算提供了有效的解决方案。