[发明专利]一种基于地基可见光图像的植被长势灾损验证方法

说明书

本发明公开了一种基于地基可见光图像的植被长势灾损验证方法,包括以下步骤：获取植被冠层可见光图像数据,基于所述可见光图像数据，选取图像序列，对所述图像序列进行图像分割，获取绿色植被图像；基于所述绿色植被图像，计算绿色植被可见光指数并模拟绿色植被变化趋势；基于所述绿色植被可见光指数和变化趋势，监测植被长势灾损情况。本发明通过机器学习算法对喀斯特地区裸岩和植被混杂的地貌近地冠层RGB图像分割，提高了准确率，为基于地基冠层可见光图像的植被监测提供技术支持。

技术领域

本发明属于图像处理数据，尤其涉及一种基于地基可见光图像的植被长势灾损验证方法

背景技术

喀斯特是西南地区典型的脆弱生态系统，土地石漠化严重制约该地区的社会经济发展和人民生活条件改善。喀斯特地区土地贫瘠，土层浅薄，植被以灌木、灌草和草地为主，对气候变化和气象灾害响应敏感且承灾能力弱，针对石漠化地区复杂环境条件开展植被监测具有重要意义。近年来，全国生态气象观测站的广泛建设使得近地冠层RGB图像成为常态化数据，截至2021年，仅广西就已建成46个生态气象观测站，其中有4个石漠化生态气象观测试验站。作为天-空-地一体化监测网络的重要组成部分，生态站获取的冠层RGB图像作为近地表遥感应用的代表，可以对卫星遥感和无人机遥感反演植被信息形成有效补充，既克服了复杂多变天气对影像质量的影响，又能够实现植被生长状况的高通量时序监测。

图像分割技术旨在将包含复杂地物空间分布信息的图像划分为具有特定语义标签的不同区域，是利用近地冠层RGB图像开展植被监测的基础。目前针对彩色图像发展了区域、直方图阈值化、特征空间聚类、边缘检测、模糊技术等多种分割方法，近年来，人工神经网络和深度学习也开始应用于彩色图像分割。基于分割后图像采用RGB不同颜色通道已经发展了NDYI、GLA、VARI、NGRDI等多种可见光植被指数指数。学者们利用近地冠层RGB图像在植物生育期、覆盖度、长势和氮素等方面开展了诸多研究，证实了近地冠层RGB图像用于植被监测的有效性。但目前已有的研究对象多数集中于作物和牧草，鲜见针对喀斯特地区裸岩、植被和土壤混杂下垫面的研究报道。

发明内容

本发明的目的在于提出一种基于地基可见光图像的植被长势灾损验证方法，为基于地基冠层可见光图像的植被监测提供技术支持。

为实现上述目的，本发明提供了一种基于地基可见光图像的植被长势灾损验证方法，包括以下步骤：

获取植被冠层可见光图像数据,基于所述可见光图像数据，选取图像序列，对所述图像序列进行图像分割，获取绿色植被图像；

基于所述绿色植被图像，计算绿色植被可见光指数并模拟绿色植被变化趋势；

基于所述绿色植被可见光指数和变化趋势，监测植被长势灾损情况。

可选的，基于所述可见光图像数据，选取图像序列具体为：

获取所述可见光图像数据的RGB、HSV、Lab颜色空间，基于所述颜色空间，分别获取所述颜色空间的各个通道数据不同时次变异系数；

通过比较各个所述通道数据在不同时次变异系数，选取所述图像序列。

可选的，对所述图像序列进行图像分割时采用机器学习分割算法。

可选的，采用所述机器学习分割算法对所述图像序列进行图像分割的方法具体包括：

利用K-means非监督聚类算法生成训练样本并对样本进行筛选；

采用支持向量机对筛选后的所述样本进行植被和背景分类，获取所述绿色植被图像。

可选的，获取所述绿色植被图像之后还包括：利用非局部均值滤波去除所述绿色植被图像中边缘错分像素。

可选的，计算绿色植被可见光指数的过程包括：