《表3 基于小麦影像WLV和IWLV法所选的各情景下最优尺度值》
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
《一种面向农业无人机影像分割的尺度参数自动确定方法》
各种场景下WLV、IWLV随尺度参数值变化情况如图8所示。与玉米结果类似,在各分割场景中,随着尺度参数增大,IWLV虽有波动但先上升后下降的趋势比WLV方法更加明显。另外,在部分场景中,随尺度参数增大,WLV呈先上升后平稳甚至上升的趋势,导致所选尺度参数值偏大。以上结果表明,相对于WLV法,本研究提出的IWLV法在小麦不同场景下均能取得较稳健的结果。基于WLV法和IWLV法选定的各场景尺度值如表3所示。从表中可以看出,2种方法除N1W1所选的尺度参数相同外,在其他各分割场景中,基于IWLV所选的尺度都比WLV所选的尺度小,同样说明IWLV相对于WLV倾向把影像分割得更细。此外,可以发现随着施氮量的增加,选定的最优分割尺度整体呈增大趋势。其主要原因是施氮量小时,小麦群体长势较弱,相对于施氮量大时,小麦群体长势旺盛的影像需要设置相对小的尺度来识别。不同水分处理,小麦长势差异不显著,因此,选定的最优分割尺度没有趋势性变化。
图表编号 | XD00160730600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 石雅娇、陈鹏飞 |
绘制单位 | 中国科学院地理科学与资源研究所、资源与环境信息系统国家重点实验室、中国科学院大学、中国科学院地理科学与资源研究所、资源与环境信息系统国家重点实验室、江苏省地理信息资源开发与利用协同创新中心 |
更多格式 | 高清、无水印(增值服务) |