基于无人机RGB影像的玉米种植信息高精度提取方法.pdfVIP

第 37 卷 第 18 期 农 业 工 程 学 报 Vol.37 No.18 48 2021 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sept. 2021 ·农业航空工程· 基于无人机 RGB 影像的玉米种植信息高精度提取方法 1,2 3 4 1 1 1 1 1 支俊俊 ，董 娅 ，鲁李灿 ，施金辉 ，骆文慧 ，周 悦 ，耿 涛 ，夏敬霞 ， 贾 蔡1※ （1. 安徽师范大学地理与旅游学院，芜湖 241002 ；2. 江淮流域地表过程与区域响应安徽省重点实验室，芜湖 241002 ； 3. 浙江农林大学环境与资源学院，杭州 311300 ；4. 安徽省太湖县自然资源和规划局，安庆 246400 ） 摘 要：为探究易获取且成本低的超高分辨率无人机（Unmanned Aerial Vehicle ，UAV ）航拍 “红-绿-蓝”（Red-Green-Blue ， RGB ）彩色影像提取作物种植信息的方法，该研究选取植被指数、“色度-色饱和度-亮度”（Hue-Saturation-Intensity ，HSI ） 色彩特征和纹理特征等 3 种特征，通过比较贝叶斯（Bayes ）、K 最邻近分类（K-Nearest Neighbor ，KNN ）、支持向量机（Support Vector Machine ，SVM）、决策树（Decision Tree ，DT ）和随机森林（Random Forest ，RF ）共5 种监督分类算法及不同特 征组合的分类效果，以实现玉米种植信息的高精度提取。结果表明，使用单一种类特征或使用全部 3 种特征均不能获得最 优的分类精度；将植被指数与 HSI 色彩特征或与纹理特征进行组合获得的总体分类精度（5 种算法平均值）比仅使用植 被指数获得的总体分类精度分别提高了 4.2%和 8.3%；在所有特征组合中，HSI 色彩特征和纹理特征组合为最优选择，基 于该特征空间的 RF 算法获得了最高的分类精度，总精度为 86.2%，Kappa 系数为 0.793 ；基于RF 算法进行降维并不能显 著提高或降低分类精度（SVM 除外），但所保留的特征因子可给出符合实际背景和意义的解释，并可提高分类结果的稳 定性。研究结果可为基于无人机 RGB 影像的作物种植信息高精度提取提供方法参考。 关键词：模型；遥感；无人机；玉米；植被指数；纹理特征；机器学习 doi ：10.11975/j.issn.1002-6819.2021.18.006 中图分类号：S127 文献标志码：A 文章编号：1002-6819(2021)-18-0048-07 支俊俊，董娅，鲁李灿，等. 基于无人机 RGB 影像的玉米种植信息高精度提取方法[J]. 农业工程学报，2021，37(18)： 48-54. doi ：10.11975/j.issn.1002-6819.2021.18.006 Zhi Junjun, Dong Ya, Lu Lican, et al. High-precision extraction method for maize planting information based on UAV RGB images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(18): 48-54. (in Chinese with English abstract) doi ：10.