基于无人机图像的山区烟株数量统计方法与试验

摘要

在烟草种植过程中，需对种植面积及种烟量进行准确统计，以便于后期按计划收购。目前，烟叶生产管理部门通常在烟苗移植初期，采用人工清点的方式对田间烟株数量进行统计，这种方法费时、费力、工作效率低、还容易出现错误，贵州地貌属于中国西南部高原山地，地形崎岖，多为坡地，人工点数更加困难。为了降低人工劳动强度，提高工作效率及数据准确性，本文将信息科技与农业技术相融合，提出了一种基于无人机图像的山区烟株数量统计方法，该方法能较好的满足山区烟株数量统计要求，对烟草市场的管理具有十分重要的现实意义。 本文的主要研究内容如下： 1．对烟株图像的采集装置和采集方法进行研究，分析了天气、相机误差以及地形起伏等因素对航拍图像造成的影响。对采集图像进行了裁剪、畸变校正、灰度化以及平滑增强等相关预处理，为后期烟株图像实时识别研究做了准备。 2．将利用无人机采集到的山区苗期烟株图像作为研究对象，提出了一种基于SIFT算法的快速拼接方法，该方法有效的减少了匹配特征点数量，在对无人机采集的烟株图像进行全景拼接时比传统的SIFT算法快49.8％，有效的节约了图像拼接时间，显著的提高了图像拼接效率。 3．对光照强度敏感性与RGB颜色空间、HSI颜色空间中各颜色分量之间的关系进行了分析，为颜色分割时颜色空间的选择提供了依据。在后期烟株图像识别时，针对烟株与杂草误判现象，以贵州山区烟株3~8叶苗期田间场景为研究对象，在基于理论分析与实例试验相结合的基础上，提出一种适用度较高的田间杂草识别方法。 4．由于采集图像时无人机飞行高度、光照强度、地形坡度不同，导致后期运用图像处理技术对烟株数量识别的准确率受到影响，本文对这几个因素造成的影响进行了分析，并提出了解决办法，以提高烟株数量识别精度。 5．为了得到烟株识别的最佳时段，对采集到的同一区域3~8叶期烟株图像在同一条件下进行处理分析，再对处理分析得到的数据进行线性拟合。通过拟合后的结果可知：相关系数R2越大，识别效果越佳。 6．基于MATLAB的GUI平台，利用本文中所给出的方法，导入现有程序，编写开发了烟株图像数量自动统计软件，并对试验区域烟地进行处理分析，结果表明，将软件应用到山区烟株数量的检测上，能显著提高清点速度及识别准确率，具有很高的田间适应性。

目录

第1章 引言

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 无人机遥感研究现状

1.2.2 图像处理技术研究现状

1.2.3 基于无人机图像的农业应用研究现状

1.2.4 基于无人机图像的烟株数量统计研究现状

1.3 研究内容与研究方法

1.3.1 研究目标

1.3.2 研究内容

1.3.3 技术路线

1.4 本章小结

第2章 无人机图像获取及预处理

2.1 无人机图像获取

2.1.1 图像获取装置

2.1.2 图像获取流程

2.1.3 图像获取影响因素分析

2.2 无人机图像预处理

2.2.1 图像裁剪

2.2.2 图像畸变校正

2.2.3 图像灰度化处理

2.2.3 图像平滑增强

2.3 本章小结

第3章 无人机图像拼接

3.1 图像拼接方法

3.2 图像拼接流程

3.2.1 重叠区域确定

3.2.2 特征点检测

3.2.3 特征点匹配

3.2.4 特征点优化

3.3 图像拼接结果及分析

3.4 本章小结

第4章 田间杂草识别

4.1 图像分割

4.1.1 基于颜色特征的背景分割

4.1.2 基于最大类间方差法的阈值分割

4.2 杂草识别

4.2.1 基于位置特征的苗期田间杂草识别

4.2.2 基于形态学特征的错误识别后处理

4.3 本章小结

第5章 烟株图像识别

5.1 烟株识别影响因素分析

5.1.1 光照强度的影响

5.1.2 地形坡度的影响

5.1.3 烟苗空缺的影响

5.1.4 飞行高度的影响

5.2 烟株识别最佳时段研究

5.3 烟株计数软件平台搭建

5.4 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

致谢

参考文献

附录

声明