基于高分辨率遥感数据的农作物纹理特征表达及其类型识别研究

农作物类型识别是农情监测和农业生产精准管理的基础。对生育期接近、光谱相似的不同农作物，基于光谱的遥感识别方法精度低，而不同农作物在高分辨率遥感影像上的纹理表现有明显差异。本项目以华北地区玉米、大豆、花生等秋季农作物为研究对象，利用全生育期的地面拍摄影像，重点研究基于改进log Gabor小波的农作物频域纹理特征表达方法及其随农作物生长的变化规律，明确纹理频域特征表达的滤波器、阈值等关键参数；以地面拍摄影像的农作物纹理表达为基础，通过尺度转换与参数调整，研究适合低空遥感和高分辨率遥感影像的纹理表达方法；最后研究纹理特征支撑的农作物类型识别模糊知识规则和推理控制策略，以及基于农作物纹理特征变化规律和主动学习的知识规则优化算法。通过本项目的研究，明晰高分辨率遥感影像中不同农作物纹理特征表达及其变化规律，提高农作物类型识别的精度，促进高分辨率遥感在农业中的深入应用与发展。

农作物类型识别是农情监测和农业生产精准管理的基础。对生育期接近、光谱相似的不同农作物，基于光谱的遥感识别方法精度低，而不同农作物在高分辨率遥感影像上的纹理表现有明显差异。本项目以玉米、大豆、花生等农作物为研究对象，利用无人机拍摄的农作物影像以及高空间分辨率卫星遥感影像，重点研究无人机遥感影像农作物GLCM纹理多尺度分析；基于小波变换的高分辨率遥感影像农作物纹理特征多尺度分析算法；基于BSIF的高分辨率遥感影像农作物纹理表达算法；基于半变异函数高分辨率遥感影像纹理多尺度表达算法；基于插值错切波农作物直线型纹理图像降噪方法；以及以制种玉米识别为例，研究了GLCM和Hough变换的高分辨率遥感影像纹理特征支撑的农作物识别应用。通过本项目的研究，明晰了高分辨率遥感影像中不同农作物纹理特征表达的尺度和测度问题，为充分利用高分辨率遥感影像自动识别农作物，提高识别精度，奠定了理论基础，促进了高分辨率遥感在农业中的应用与发展。