李小敏 贾春鹤

(1. 广东省地图院, 广东 广州 511500; 2. 泗水县自然资源和规划局, 山东 济宁 273200)

0 引言

随着现代科学技术的发展,利用计算机对图像进行识别变得越来越流行。在农田中通过图像来识别绿色作物,有利于向智慧农业的方向发展。同时便于监测绿色植被的变化情况,在日常监测中可以节省大量劳动力。首先要解决的问题是如何提取绿色作物信息。肖太平[1]采用面向对象分割技术对图像进行分割处理,然后利用植被的光谱特征和空间信息特征构造知识库,实现对植被的提取工作。面向对象处理能够较好地利用图像的空间信息特征,但工作量较大,较难应用在实际应用中。马海艺等[2]通过对全卷积神经网络模型进行改进,提高了植被提取精度,有效减弱噪声影响。但该方法需要大量的训练数据才能获得较好的模型参数。王蓉等[3]采用随机森林算法,结合主成分分析、红边归一化植被指数和纹理特征提取了冬季小麦种植信息。魏瑄[4]提出了一种基于纹理特征的湿地植被群落自动分类算法,通过实验证明,该方法在湿地植被提取的过程中较为有效。董心玉等[5]采用面向对象的分类方法,对植被的信息进行分类处理,提高了分类的精度。陶佳等[6]针对植被遥感图像分类识别需求,采用马尔科夫和遗传算法对图像进行处理,证明了该方法在图像分割中是较为有效的。潘黄儒等[7]基于影像数据,通过最大值合成法、趋势分析法、线性回归以及相关分析等研究方法,分析了某一地区在较长时间段内植被覆盖时空演变与动态变化规律。……