《表2 本研究使用的图像特征》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于纹理特征与植被指数融合的水稻含水量无人机遥感监测》
注:R_CON、G_CON以及B_CON表示从图像红(R)、绿(G)以及蓝(B)波段提取的CON纹理特征。根据同样的缩写方式,可以得知其他纹理特征代表的意义。
进一步,根据灰度共生矩阵GLCM(Graylevel Co-occurrence Matrix)[29],从RGB图像的红、绿、蓝三波段分别提取四个纹理特征:对比度CON(Contrast)、自相关COR(Correlation)、能量EN(Energy)以及同质性HO(Homogeneity)。CON主要表示图像灰度分布均匀程度和纹理粗细度,COR表示矩阵元素在行或列方向上的相似程度,EN为矩阵中所有元素的平方和,HO代表矩阵元素相对于对角线分布的紧密度。由于RGB图像包含3个波段,每个波段都有4个纹理特征,即总共12个纹理特征。多光谱图像分辨率较低,并且其与RGB图像的纹理特征间有较高的相关性,因此本研究不考虑多光谱图像的纹理特征。最后,利用来自RGB和多光谱图像的12个纹理特征以及7个植被指数去评估水稻含水量,所有图像特征如下表2所示。
图表编号 | XD00142172500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.31 |
作者 | 万亮、岑海燕、朱姜蓬、张佳菲、杜晓月、何勇 |
绘制单位 | 浙江大学生物系统工程与食品科学学院、农业农村部光谱检测重点实验室、浙江大学生物系统工程与食品科学学院、农业农村部光谱检测重点实验室、浙江大学生物系统工程与食品科学学院、农业农村部光谱检测重点实验室、浙江大学生物系统工程与食品科学学院、农业农村部光谱检测重点实验室、浙江大学生物系统工程与食品科学学院、农业农村部光谱检测重点实验室、浙江大学生物系统工程与食品科学学院、农业农村部光谱检测重点实验室 |
更多格式 | 高清、无水印(增值服务) |