通过遥感检测植物病害

时间:2018-02-15 09:35:52

标签: image-processing image-segmentation

我想开发一种工作流程,通过遥感检测马铃薯植株中的特定疾病。

我通过将多光谱相机安装在距离植物5米高处飞行的无人机上,获得了马铃薯田的图像。

多光谱相机有5个波段:蓝色,绿色,红色,近红外和红色。

我已经在反射率值中转换了所有波段的DN(原始数字数字)值。

我首先训练SVM从植物中分割土壤,然后应用SAVI(土壤调整植被指数)来改善植物的土壤分割。

现在,我想应用NDVI(归一化差异植被指数)以像素方式确定植物的健康状况。

这是正确的方法吗? NDVI是否适用于仅在5米高度拍摄的图像?或者有更好的方法吗?

最好的问候......

1 个答案:

答案 0 :(得分:0)

假设您创建的植被遮罩在区分场景中的非植被和植被方面做得很好,我建议您创建一个矢量文件,例如与单个马铃薯植物或植物中的植物行相对应的点或线您的场景。完成此操作后,可以缓冲创建的几何图形,以便于计算每个多边形内的区域统计信息。如果在多光谱栅格文件中将给定层的均值制表,则将为您提供给定波段在每株植物或每行的平均反射率。

由于来自多光谱传感器的原始波段的反射率值对场景的光照条件(入射光)敏感,因此使用这些波段(例如NDVI)的比率来预测植物活力(或植物中的胁迫)更具可重复性。患病的人)。

我开发了一种工作流程,可以帮助您提取所需的数据:

http://blogs.oregonstate.edu/geog566spatialstatistics/2017/06/01/processing-multispectral-imagery-unmanned-aerial-vehicle-phenotyping-seedlings-common-garden-boxes-part-1/

http://blogs.oregonstate.edu/geog566spatialstatistics/2017/06/02/processing-multispectral-imagery-unmanned-aerial-vehicle-phenotyping-seedlings-common-garden-boxes-part-2/