[發(fā)明專(zhuān)利]一種基于無(wú)人機(jī)的植被分布識(shí)別方法、系統(tǒng)及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011364585.7
• 申請(qǐng)日: 2020-11-27
• 公開(kāi)（公告）號(hào): CN112396019A
• 公開(kāi)（公告）日: 2021-02-23
• 發(fā)明（設(shè)計(jì)）人: 付駿宇;劉立斌;耿鵬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 佛山市墨納森智能科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/40;G06K9/62
• 代理公司: 佛山粵進(jìn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44463
• 代理人: 王余錢(qián)

1.一種基于無(wú)人機(jī)的植被分布識(shí)別方法，其特征在于，包括：

采集植被遙感圖像信息，接收電磁波反射信號(hào)，通過(guò)光譜反射率特性建立植被區(qū)域空間；

提取植被空間特征值，獲取分類(lèi)規(guī)則，通過(guò)分類(lèi)規(guī)則對(duì)空間特征值進(jìn)行分類(lèi)處理，得到植被信息；

將植被信息進(jìn)行幾何分解以及遙感解譯，獲得植被類(lèi)型，得到第一識(shí)別結(jié)果；

倍增比例尺度，再次獲取植被遙感圖像，并進(jìn)行植被類(lèi)型識(shí)別，得到第二識(shí)別結(jié)果；

將第一識(shí)別結(jié)果與第二識(shí)別結(jié)果進(jìn)行比較，得到偏差率；

判斷所述偏差率是否大于預(yù)定偏差率閾值，

若大于，則生成修正信息，通過(guò)修正信息對(duì)遙感圖像信息進(jìn)行修正，并將修正結(jié)果傳輸至終端。

2.根據(jù)權(quán)利要求1所述的一種基于無(wú)人機(jī)的植被分布識(shí)別方法，其特征在于，采集植被遙感圖像信息還包括對(duì)植被遙感圖像進(jìn)行預(yù)處理，具體為：

獲取植被遙感圖像，采用整數(shù)小波變換對(duì)圖像進(jìn)行壓縮編碼；

利用標(biāo)準(zhǔn)圖像垂直投影法建立誤差糾正模型；

提取植被遙感圖像特征點(diǎn)；

將植被遙感圖像特征點(diǎn)與標(biāo)準(zhǔn)圖像特征點(diǎn)進(jìn)行相似度度量，得到結(jié)果信息；

將結(jié)果信息與預(yù)設(shè)閾值進(jìn)行比較，

若大于預(yù)設(shè)閾值，則植被遙感圖像與標(biāo)準(zhǔn)圖像匹配成功；

若小于預(yù)設(shè)閾值，則通過(guò)誤差糾正模型對(duì)植被遙感圖像進(jìn)行糾偏。

3.根據(jù)權(quán)利要求1所述的一種基于無(wú)人機(jī)的植被分布識(shí)別方法，其特征在于，提取植被空間特征值，獲取分類(lèi)規(guī)則，還包括：

通過(guò)大數(shù)據(jù)分析植被分類(lèi)歷史數(shù)據(jù)，建立原始訓(xùn)練樣本；

獲取植被空間特征值，判斷原始訓(xùn)練樣本是否服從高斯正態(tài)分布；

若服從，則建立分類(lèi)判別方式，并通過(guò)分類(lèi)判別方式，對(duì)植被分布進(jìn)行識(shí)別；

若不服從，則掃描植被遙感圖像像元信息，并提取像元特征向量，判斷特征向量與預(yù)設(shè)向量之間的夾角，得到偏差值；

若偏差值小于預(yù)設(shè)閾值，則保留該像元特征向量；

若偏差值大于預(yù)設(shè)閾值，則剔除該像元特征向量；

將所有偏差值小于預(yù)設(shè)閾值的像元特征向量進(jìn)行疊加計(jì)算，生成植被分布信息。

4.根據(jù)權(quán)利要求1所述的一種基于無(wú)人機(jī)的植被分布識(shí)別方法，其特征在于，還包括：通過(guò)無(wú)人機(jī)航拍獲取植被遙感圖像信息，將圖像信息進(jìn)行邊緣化處理，

提取圖像信息中的像元特征向量，生成結(jié)果信息，

根據(jù)結(jié)果信息與預(yù)設(shè)信息進(jìn)行比較，得到無(wú)人機(jī)航拍姿態(tài)角，

判斷無(wú)人機(jī)航拍姿態(tài)角是否大于預(yù)設(shè)航拍角，

若大于，則生成補(bǔ)償信息，根據(jù)補(bǔ)償信息進(jìn)行調(diào)整無(wú)人機(jī)航拍姿態(tài)角，

通過(guò)無(wú)人機(jī)再次拍攝植被遙感圖像信息。

5.根據(jù)權(quán)利要求4所述的一種基于無(wú)人機(jī)的植被分布識(shí)別方法，其特征在于，還包括：獲取植被遙感圖像，通過(guò)均值濾波法減小圖像灰度尖銳度；

將植被遙感圖像分割成若干個(gè)區(qū)域，提取遙感圖像每一個(gè)區(qū)域內(nèi)的像素點(diǎn)；

計(jì)算同一區(qū)域內(nèi)的每一個(gè)像素點(diǎn)的灰度值，

將灰度值與預(yù)設(shè)閾值進(jìn)行比較，

若灰度值大于預(yù)設(shè)閾值，則對(duì)同一區(qū)域內(nèi)的所有像素點(diǎn)的灰度值進(jìn)行均值化處理，得到該區(qū)域內(nèi)像素點(diǎn)的平均灰度值；

若灰度值小于預(yù)設(shè)閾值，則保留該像素點(diǎn)灰度值。

6.根據(jù)權(quán)利要求1所述的一種基于無(wú)人機(jī)的植被分布識(shí)別方法，其特征在于，將植被信息進(jìn)行幾何分解以及遙感解譯，獲得植被類(lèi)型，具體包括：

獲取植被遙感圖像，提取遙感圖像特征點(diǎn)，并生成解譯標(biāo)志；

根據(jù)解譯標(biāo)志，獲取解譯規(guī)則，

通過(guò)解譯規(guī)則對(duì)遙感圖像中的圖像特征點(diǎn)進(jìn)行一一解譯，

解譯完成后，對(duì)所有特征點(diǎn)解譯結(jié)果進(jìn)行融合，得到遙感圖像解譯信息。