无人机影像识别白喉乌头的相对高程阈值法适用性分析

doi:10.13474/j.cnki.11-2246.2022.0057

测绘通报 ›› 2022, Vol. 0 ›› Issue (2): 131-135.doi: 10.13474/j.cnki.11-2246.2022.0057

无人机影像识别白喉乌头的相对高程阈值法适用性分析

范媛¹, 范宏¹, 吴建国², 林峻², 陈吉军², 巴日斯¹, 郑江华^1,3

1. 新疆大学资源与环境科学学院, 新疆乌鲁木齐 830046;
2. 新疆治蝗灭鼠指挥部办公室, 新疆乌鲁木齐 830001;
3. 新疆大学绿洲生态教育部重点实验室, 新疆乌鲁木齐 830046

收稿日期:2021-03-17 发布日期:2022-03-11
通讯作者: 郑江华。E-mail:Zheng_jianghua@126.com
作者简介:范媛(1996-),女,硕士生,主要研究方向为地理信息系统与林业遥感。E-mail:fan_yyyy1011@163.com
基金资助:
基于低空遥感数据的典型草原毒害草高精度识别方法研究（XJEDU2019I010）；新疆草原生物灾害遥感监测（070216328）

Applicability analysis of relative elevation threshold method in recognizing diphtheria aconitum in UAV images

FAN Yuan¹, FAN Hong¹, WU Jianguo², LIN Jun², CHEN Jijun², Baris¹, ZHENG Jianghua^1,3

1. College of Resources and Environmental Sciences, Xinjiang University, Urumqi 830046, China;
2. Xinjiang Disease Control and Rodent Control Headquarters Office, Urumqi 830001, China;
3. Key Laboratory of Oasis Ecology, Xinjiang University, Urumqi 830046, China

Received:2021-03-17 Published:2022-03-11

摘要/Abstract

摘要： 本文以新疆伊犁州新源县那拉提草原的典型毒害草白喉乌头为研究对象，通过PhotoScan软件对无人机航拍影像进行数据处理并获取研究区DSM数据，在此基础上，运用相对高程阈值法识别提取白喉乌头的最佳阈值范围，并验证其有效性。试验结果表明：①在无人机影像中，相对高程阈值法能够清晰准确地体现地物分布特征，适用于提取与普通牧草高度误差明显的地物；②当10 cm≤T<20 cm时，白喉乌头能够被准确识别，且与实际白喉乌头分布点基本一致，分类精度达91%；③相对高程阈值法能够较好地分离出白喉乌头，既提升了分类依据的可靠性，又实现了白喉乌头高精度识别。该方法可应用于实际的草原监测工作。

关键词: 相对高程阈值法, 无人机, 毒害草, 图像识别

Abstract: Taking the typical poisonous grass diphtheria aconitum in the Nalati grassland of Xinyuan county, Ili Kazak Autonomous Prefecture, Xinjiang as the research object, the PhotoScan software is used to process the drone aerial images and obtain the DSM data of the study area. On this basis, the relative elevation threshold is used. The method extracts the optimal threshold range for identifying diphtheria aconitum and verifies its effectiveness. The results show that: ① In UAV images, the relative elevation threshold method can clearly and accurately reflect the distribution characteristics of ground features, and is suitable for extracting ground features with obvious height errors from ordinary grass; ② When 10 cm≤T<20 cm, diphtheria aconitum can be accurately identified, and is basically consistent with the actual distribution of diphtheria aconitum, with a classification accuracy of 92%; ③ The relative elevation threshold method can better separate diphtheria aconitum, which improves the reliability of the classification basis. It also realizes the high-precision identification of diphtheria aconitum. This method can be applied to actual grassland monitoring.

Key words: relative elevation threshold method, unmanned aerial vehicle, poisonous grass, image recognition

中图分类号:

P237

范媛, 范宏, 吴建国, 林峻, 陈吉军, 巴日斯, 郑江华. 无人机影像识别白喉乌头的相对高程阈值法适用性分析[J]. 测绘通报, 2022, 0(2): 131-135.

FAN Yuan, FAN Hong, WU Jianguo, LIN Jun, CHEN Jijun, Baris, ZHENG Jianghua. Applicability analysis of relative elevation threshold method in recognizing diphtheria aconitum in UAV images[J]. Bulletin of Surveying and Mapping, 2022, 0(2): 131-135.

参考文献

[1] 安沙舟,李宏,李学贤,等.新疆伊犁河谷天然草地毒害草种类分布及防治对策[J].新疆农业科学, 2010, 47(3):540-542.
[2] 黄波,赵涌泉.多源卫星遥感影像时空融合研究的现状及展望[J].测绘学报, 2017, 46(10):1492-1499.
[3] 赵红颖,晏磊.无人机遥感影像的特点与影像处理的关键技术[C]//第十五届全国遥感技术学术交流会论文集.贵阳:[s.n.], 2005:83.
[4] 潘冬荣,韩天虎,孙斌,等.无人机遥感技术在草原生态学研究中的应用[J].中国草食动物科学, 2019, 39(5):57-59.
[5] 王猛,隋学艳,梁守真,等.利用无人机遥感技术提取农作物植被覆盖度方法研究[J].作物杂志, 2020(3):177-183.
[6] 刘超.基于阈值图像分割的研究及在苹果定位中的应用[D].抚州:东华理工大学, 2015.
[7] 刘思言,李玲,特日根,等.基于直方图区域生长的遥感图像阈值分割算法[J].测绘通报, 2021(2):25-29.
[8] 龙建武,申铉京,陈海鹏.自适应最小误差阈值分割算法[J].自动化学报, 2012, 38(7):1134-1144.
[9] 杨振忠,方圣辉,彭漪,等.基于机器学习结合植被指数阈值的水稻关键生育期识别[J].中国农业大学学报, 2020, 25(1):76-85.
[10] 杨焕波,赵静,兰玉彬,等.基于无人机可见光遥感和阈值法的玉米植被覆盖度提取[J].福建农林大学学报(自然科学版), 2020, 49(2):283-288.
[11] 赵翠晓,陈曦,杨辽,等.建筑物边界约束的航空影像DSM优化[J].遥感信息, 2016, 31(4):16-21.
[12] 刘治开.基于无人机可见光图像的作物株高提取研究[D].杨凌:西北农林科技大学, 2019.
[13] 杨全月,董泽宇,马振宇,等.基于SfM的针叶林无人机影像树冠分割算法[J].农业机械学报, 2020, 51(6):181-190.
[14] 王卫,张鲜花,安沙舟.那拉提草原草地群落结构及种间关联性研究[J].草地学报, 2011, 19(4):553-559.
[15] 罗开雷,安沙舟,李学贤,等.有毒植物白喉乌头化学防除的初步研究[J].新疆农业科学, 2006, 43(5):391-393.
[16] ZHAO H T, WANG H J, WU W Y, et al. Deployment algorithms for UAV airborne networks toward on-demand coverage[J]. IEEE Journal on Selected Areas in Communications, 2018, 36(9):2015-2031.
[17] KE R M, LI Z B, TANG J J, et al. Real-time traffic flow parameter estimation from UAV video based on ensemble classifier and optical flow[J]. IEEE Transactions on Intelligent Transportation Systems, 2019, 20(1):54-64.
[18] KIM H, MOKDAD L, BEN-OTHMAN J. Designing UAV surveillance frameworks for smart city and extensive ocean with differential perspectives[J]. IEEE Communications Magazine, 2018, 56(4):98-104.
[19] 韩思奇,王蕾.图像分割的阈值法综述[J].系统工程与电子技术, 2002, 24(6):91-94.
[20] 孙迪,倪亦非,陈吉军,等.应用无人机(UAV)低空影像监测黄兔尾鼠鼠洞初探[J].中国植保导刊, 2019, 39(4):35-43.
[21] 胡健波,张璐,黄伟,等.基于数码照片的草地植被覆盖度快速提取方法[J].草业科学, 2011, 28(9):1661-1665.
[22] 李冰,刘镕源,刘素红,等.基于低空无人机遥感的冬小麦覆盖度变化监测[J].农业工程学报, 2012, 28(13):160-165.
[23] 陈兵旗,郭学梅,李晓华.基于图像处理的小麦病害诊断算法[J].农业机械学报, 2009, 40(12):190-195.
[24] 宋春桥,游松财,柯灵红,等.藏北高原植被物候时空动态变化的遥感监测研究[J].植物生态学报, 2011, 35(8):853-863.
[25] 吴秀兰,郑江华,倪亦非,等.国产ZY1-02C卫星数据在新疆典型毒草白喉乌头遥感监测中的适用性分析[J].中国植保导刊, 2014, 34(7):9-14, 93.
[26] 温阿敏,郑江华,穆晨,等.新疆草原毒草白喉乌头高光谱特征提取与分析研究[J].中国植保导刊, 2015, 35(3):5-11.
[27] 杨会枫,郑江华,吴秀兰,等.基于MaxEnt模型和ArcGIS的白喉乌头在中国潜在分布区预测[J].中国植保导刊, 2015, 35(5):50-54, 85.

无人机影像识别白喉乌头的相对高程阈值法适用性分析

Applicability analysis of relative elevation threshold method in recognizing diphtheria aconitum in UAV images

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	胡义强, 杨骥, 荆文龙, 彭小燕, 蓝文陆, 彭梦微, 张雨萌. 茅尾海入海河口池塘养殖污染状况遥感调查[J]. 测绘通报, 2022, 0(7): 12-17,53.
[2]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[3]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[4]	周烨, 刘云波, 郑丽波, 龙泱君. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022, 0(7): 168-172.
[5]	胡义强, 杨骥, 荆文龙, 杨传训, 舒思京, 李勇. 基于无人机遥感的海岸带生态环境监测研究综述[J]. 测绘通报, 2022, 0(6): 18-24.
[6]	周建国, 罗超, 彭朵. 微型无人机辅助的三角高程测量方法[J]. 测绘通报, 2022, 0(6): 71-75.
[7]	刘耀辉, 于祥惠, 范洁洁, 周洁, 程昊, 姚国标, 孟飞, 靳奉祥. 基于无人机影像和面向对象的中国西部地区农村宅基地面积快速估算[J]. 测绘通报, 2022, 0(6): 125-129.
[8]	万忠明, 王亚文, 范子义. 无人机倾斜摄影技术在边坡监测中的应用[J]. 测绘通报, 2022, 0(6): 170-172.
[9]	王广帅. 无人机倾斜摄影铁路轨道线高精度自动重建[J]. 测绘通报, 2022, 0(5): 133-139,156.
[10]	毕瑞, 甘淑, 袁希平, 李绕波, 高莎. 不同地形环境下无人机航线规划及三维建模分析[J]. 测绘通报, 2022, 0(4): 83-89,129.
[11]	任旭斌, 康建锋, 于东海. 无人机倾斜摄影测量在房屋建筑面积测算中的应用[J]. 测绘通报, 2022, 0(3): 116-120,126.
[12]	蔡嘉伦, 贾洪果, 刘国祥, 张波, 刘巧, 吴仁哲, 向卫, 毛文飞, 张瑞. 对比传统低空航测的无人机倾斜摄影测量精度评估[J]. 测绘通报, 2022, 0(2): 31-36.
[13]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[14]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[15]	周阳阳, 徐尚昭, 陈斌, 张青峰. 无人机倾斜摄影测量技术应用于自然保护区勘界[J]. 测绘通报, 2021, 0(9): 43-48.