[发明专利]一种基于光谱图像误差变异系数的取样面积优化取样方法

说明书

本发明提供一种基于光谱图像误差变异系数的取样面积优化取样方法，所述方法包括等比例缩放取样面积、绘制大豆育种小区光谱反射率曲线、分析误差变异系数，通过分析两种影响因素确定所述无人机搭载的高光谱相机拍摄光谱图像的误差变异系数分析方法，获取所述大豆育种小区优化的取样面积。本发明在所述大豆育种小区取样面积内消除了边界效应的影响，从红外、近红外、RVI、NDVI、VOG1五个指标方面分析了光谱图像的误差变异系数，将变异系数的误差控制在0.01级别之内，提高了无人机高光谱相机对大豆产量估值的精确度。

技术领域

本发明属于智能监测技术领域，尤其涉及一种基于光谱图像误差变异系数的取样面积优化取样方法。

背景技术

目前越来越多的农作物采用航空遥感技术进行估产，利用无人机装载遥感设备采集遥感图像能大大降低采集数据所需的成本，因此例如大豆、棉花、水稻等都使用无人机的遥感技术估计其产值，在专利一种采用无人机遥感技术的农作物估产系统(专利号CN202110384538.7)就采用了这种方法，但是采集的图像需要考虑多种因素对估产的影响，才能的得到更加贴近实际的产值。

2017年，湖北调查总队连续开展了3年的无人机遥感估产项目，针对室内的水稻进行了产量模拟，针对水稻无人机采集了8000多张彩色照片，3-4万张多光谱影像，一来计算量大，二来无法排除育种小区边界的影像对估产的误差。

现有技术存在的问题有：

(1)取样面积过大或者过小，无法排除边界效应；

(2)光谱点数数据过少，计算精度低；

发明内容

为了解决上述技术问题，本发明提供了一种无人机高光谱相机取样面积误差变异系数分析方法，本发明结合了取样面积和光谱反射率二者的影响，既消除了边界影响又提高了估算精度。

本发明所采用的技术方案如下：

一种基于光谱图像误差变异系数的取样面积优化取样方法，无人机搭载的高光谱相机拍摄获取的大豆叶片光谱图像，由所述大豆叶片光谱图像获取所述取样面积，包括：

等比例缩放大豆育种小区的长、宽，获取所述大豆育种小区的采样空间尺度；

读取高光谱相机获取的每个大豆育种小区的光谱图像和每个空间尺度下的矢量图，提取所述育种小区大豆叶片的平均光谱反射率；

绘制育种小区光谱反射率曲线，得到大豆叶片的光谱反射波长对所述光谱图像误差变异系数的影响；

分析误差变异系数，得到取样面积优化的取样范围。

根据本发明所提供的基于光谱图像误差变异系数的取样面积优化取样方法，由无人机高光谱相机拍摄的大豆叶片光谱图像获取取样面积包括：

对无人机高光谱相机拍摄的大豆叶片光谱图像进行预处理；

将预处理后的光谱图像和数码正射影像结合，获取大豆育种小区的边界。

根据本发明所提供的基于光谱图像误差变异系数的取样面积优化取样方法，所述预处理后的光谱图像和数码正射影像结合，获取大豆育种小区的边界，包括：

以育种小区的几何中心为取样中心；

使用ArcGIS软件在拼接好的高光谱影像上划分出每个育种小区的最大面积矢量，用于保证所述采样空间矢量区域不超出小区边界。

根据本发明所提供的基于光谱图像误差变异系数的取样面积优化取样方法，所述等比例缩放取样面积，包括：

利用ENVI软件结合IDL语言对所述大豆育种小区最大取样面积的长和宽进行等比例缩放n次，获取n+1个采样空间尺度。