[发明专利]基于无人机多光谱图像融合的作物产量预测方法及系统

权利要求书

1.一种基于无人机多光谱图像融合的作物产量预测方法，其特征在于，所述基于无人机多光谱图像融合的作物产量预测方法包括：

采集目标区域作物成熟前的多光谱图像；

根据所述多光谱图像，确定作物测产区域；

从所述作物测产区域中提取5个波段的灰度图像；5个波段包括蓝、绿、红、红边及近红外波段；

根据每个灰度图像，确定对应波段的纹理特征；

根据各波段的纹理特征，确定6个纹理指数；

从所述作物测产区域中提取5个波段的反射率值，并分别确定每个波段的反射率平均值；

根据各波段的反射率平均值，确定6个植被指数；

从所述作物测产区域中提取红、绿、蓝波段的灰度值，并分别确定红、绿、蓝波段的平均灰度值；

根据红、绿、蓝波段的平均灰度值，确定6个颜色指数；

根据6个纹理指数、6个植被指数和6个颜色指数，确定产量指数；

根据所述产量指数，采用随机森林方法，确定所述目标区域的作物总产量。

2.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法，其特征在于，所述采集目标区域作物成熟前的多光谱图像，具体包括：

通过无人机携带多光谱相机采集所述目标区域的多张初始多光谱图像；

根据各初始多光谱图像的特征，对多张初始多光谱图像进行拼接，得到所述目标区域作物成熟前的多光谱图像。

3.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法，其特征在于，所述根据所述多光谱图像，确定作物测产区域，具体包括：

通过预先在目标区域放置的光谱校正板，对所述多光谱图像进行校正，得到多光谱校正图像；

将所述多光谱校正图像中的周边区域去除，得到作物测产目标区域。

4.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法，其特征在于，所述纹理特征包括逆差距纹理、反差纹理、能量纹理及自相关纹理；

采用以下公式，确定6个纹理指数：

其中，TI₁、TI₂、TI₃、TI₄、TI₅、TI₆为6个纹理指数，CON_Red为红色波段的反差纹理，ENE_NIR为近红外波段的能量纹理，ENE_Red为红色波段的能量纹理，COR_Red为红色波段的自相关纹理，CON_NIR为近红外波段的反差纹理。

5.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法，其特征在于，采用以下公式，确定6个植被指数：

VI₁＝(RE-NIR)/(B-R)；

VI₂＝R-B；

VI₃＝(NIR-R)/(NIR+R)；

VI₄＝NIR/B；

VI₅＝1.5*(R-B)/(R+B+0.5)；

VI₆＝1.16*(NIR-R)/(NIR+R+0.16)；

其中，VI₁、VI₂、VI₃、VI₄、VI₅、VI₆为6个植被指数，RE为红边波段的反射率平均值，NIR为近红外波段的反射率平均值，B为蓝波段的反射率平均值，R为红波段的反射率平均值。

6.根据权利要求1所述的基于无人机多光谱图像融合的作物产量预测方法，其特征在于，所述根据红、绿、蓝波段的平均灰度值，确定6个颜色指数，具体包括：

对每一波段的平均灰度值进行归一化，得到对应波段的归一化灰度值；

根据各波段的归一化灰度值，确定6个颜色指数。