《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。