[发明专利]基于无人机影像光谱与纹理特征的小麦氮浓度反演方法

权利要求书

1.一种基于无人机影像光谱与纹理特征的小麦氮浓度反演方法，其特征在于：所述方法包括以下步骤：

Ⅰ、无人机观测系统搭建与影像获取；无人机影像在10:00～14:00之间晴朗无云时进行获取；影像至少具有722nm、702nm、670nm、550nm、450nm五个波段光谱信息；影像地面分辨率为0.8cm；

Ⅱ、影像中土壤信息的自动剔除；利用影像的670nm、550nm、450nm三个波段来计算过绿指数ExG和过红指数ExR的差值ExG-ExR；其中，ExG、ExR的计算公式，如公式①和公式②所示；分析ExG-ExR的灰度影像，基于Otsu方法自动确定影像分割阙值，取大于阙值的像元作为小麦区域，小于阙值的像元作为非小麦区域；去除非小麦区域的影像，仅保留小麦区域影像；

ExG＝2×R₅₅₀-R₆₇₀-R₄₅₀ 公式①

式中，ExG为过绿指数；R₅₅₀为550nm处的波段反射率；R₆₇₀为670nm处的波段反射率；R₄₅₀为450nm处的波段反射率；

ExR＝1.4×R₆₇₀-R₅₅₀ 公式②

式中，ExR为过红指数；R₅₅₀为550nm处的波段反射率；R₆₇₀为670nm处的波段反射率；

Ⅲ、诊断植株氮浓度的纹理指数构建；光谱指数中的双峰冠层氮指数具有最好反演小麦植株氮浓度的能力，因此应用双峰冠层氮指数的纹理特征构建诊断小麦植株氮浓度的纹理指数；

双峰冠层氮指数图像基于步骤Ⅱ中剔除非小麦区域的无人机影像计算获得，其计算方法如公式③所示；然后应用灰度共生矩阵法计算双峰冠层氮指数图像的纹理特征；基于获得的灰度共生矩阵，计算纹理特征的同质性和对比度；构建诊断植株氮浓度的纹理指数NTI，如公式④所示；

DCNI＝(R₇₂₂-R₇₀₂)/(R₇₀₂-R₆₇₀)/(R₇₂₂-R₆₇₀+0.03) 公式③

其中，DCNI表示双峰冠层氮指数，R₇₂₂为722nm处的波段反射率；R₇₀₂为702nm处的波段反射率；R₆₇₀为670nm处的波段反射率；

其中，NTI为诊断植株氮浓度的纹理指数；Homogeneity_DCNI为基于DCNI图像计算的同质性；Contrast_DCNI为基于DCNI图像计算的对比度；小麦氮素营养越缺乏，DCNI图像的同质性会变小，对比度会变大，NTI值变小；因此NTI与植株氮浓度呈正相关；

Ⅳ、耦合纹理指数与光谱指数的植株氮浓度诊断模型构建；耦合诊断植株氮浓度的纹理指数NTI和已有诊断植株氮浓度的光谱指数双峰冠层氮指数DCNI，采用多元线性回归法建立植株氮浓度的诊断模型，用于小麦植株氮浓度预测，如公式⑤所示；

N％＝a×NTI+b×DCNI+c 公式⑤

其中，N表示植株氮浓度的诊断模型；a，b，c均为模型系数，由地区决定。

2.根据权利要求1所述的基于无人机影像光谱与纹理特征的小麦氮浓度反演方法，其特征在于：所述步骤Ⅲ中灰度共生矩阵描述的是在θ方向上，相隔d像元距离的一对像元分别具有灰度级i和j出现的概率，如公式⑥所示：

式中，GLCM为灰度共生矩阵；a_ij为灰度级为i的像元与灰度级为j的像元同时出现的概率；i，j的取值为1到n，n为总的灰度分级数；

计算灰度共生矩阵时，选择的窗口大小为整个目标区域；灰度分级数设为10，即将目标区域DCNI图像最大值和最小值之间10等分，并按值大小命名为从1到10共十级，像元DCNI值落入哪一等分内，即为哪一级灰度值；搜索的方向设定为0°、45°、90°以及135°四个方向，步长为1个像元。