[发明专利]基于多光谱数据的大区域尺度作物生长实时监测方法

权利要求书

1.基于多光谱数据的大区域尺度作物生长实时监测方法，其方法步骤如下：

S1、数据采集：采用多光谱相机在自然光条件下采集作物图像；

S2、多光谱图像处理：采用多光谱图像处理算法从所采集的图像中获取作物检测的图像特征参数；

S3、建立叶绿素和氮素含量监测模型：采用多元线性回归进行建模，得到作物叶绿素和氮素含量预测模型结果；

S4、作物长势参数反演：采用NDVI进行作物信息提取，反演作物的生长指标、生理指标、产量与品质指标；

S5、聚类分析：采用K-means和EM算法对多光谱图像参数进行分类。

2.根据权利要求1所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述S1中的多光谱相机采用3CDD多光谱相机。

3.根据权利要求1所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述S2中的多光谱图像处理算法包括如下步骤：

①、图像格式转换；

②、NIR、R、G通道分离；

③、图像滤波；

④、NIR图像阈值分割；

⑤、多光谱图像分割；

⑥、作物冠层灰度NIR、R、G均值；

⑦、植被指数计算。

4.根据权利要求3所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述图像滤波包括如下姿态：

姿态一：空间域图像滤波：采用均值滤波法将图像区域内任意点的灰度值等于其局部邻域内所有灰度值的平均值；

姿态二：基于小波变换的图像滤波：利用小波变换的多分辨率可以对图像进行分解和重构。

5.根据权利要求4所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述空间域图像滤波3*3邻域模板算子如式：

6.根据权利要求3所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述NIR图像阈值分割包括以下姿态：

姿态一：模态法：当图像中的目标物和背景的灰度差别较大时，依据设定阈值T，对数字图像f(i,j)的每个像素，做如下变换:

其中，go,g1分别为处理后的背景和目标物中像素的灰度值；

姿态二：Otsu算法：类间方差计算公式如下：

式中，为最大值时的T即为图像分割的最佳阈值，ω为灰度级，μ为图像平均灰度。

7.根据权利要求3所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述多光谱图像分割采用NIR波段图像分割。

8.根据权利要求3所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述植被指数计算公式如下：

G_IA＝∑g_G(i，j)/n；

R_IA＝∑g_R(i，j)/n；

NIR_IA＝∑g_NIR(i，j)/n

式中，G_A、R_IA、NIR_IA即为绿色、红色和近红外波段作物冠层灰度平均值。

9.根据权利要求1所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述S3中的多元线性回归进行建模计算公式为：

y＝β₀+β₁x₁+β₂x₂+…+β_px_p+ε

式中，p为一种元线性回归模型。

10.根据权利要求1所述的基于多光谱数据的大区域尺度作物生长实时监测方法，其特征在于：所述S4中NDVI进行作物信息提取计算公式如下：

NDVI＝(R_nir-R_red)/(R_nir+R_red)

式中，R_nir为近红外波段的反射率，R_red为红光波段的反射率。