《表1 用于植被分割的典型颜色模型/颜色指数性能比较》

  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

《基于图像处理的田间杂草识别研究进展与展望》

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

植被特征指数主要是利用不同植被的光谱特性，通过可见光波段或可见光波段与近红外（NIR）反射情况形成的某种组合[19]。根据所使用传感器，可将所有的植被指数分为两大类，第一类是在RGB颜色空间生成下的植被指数，这类指数最典型的特点是通过一定程度的背景处理函数进行灰度变换，并通过确定合适的阈值完成背景分割工作，并且该类指数只需要RGB相机就能完成分割工作[20]。吴兰兰等[21]以大田油菜幼苗为研究对象，采用6种常见的RGB植被特征指数（Ex G、ExR、Ex GR、CIVE、NDI和COM）研究户外光照下阴影对图像分割的影响，从定性和定量分析角度评价了常用植被指数的分割效果，结果发现COM在消除阴影区域影响的同时保留完整叶片轮廓，而超红指数ExR和植被提取颜色指数CIVE不能消除阴影区域带来的影响；另外COM指数在分割精度与灵敏度中表现最佳，但是该指数计算量相对复杂，需要进行算法优化，使用Ex GR的分割精度最差，对叶脉与叶片造成大面积误分情况。第二类是利用近红外反射波段与RGB相机中的可见光波段形成的植被指数（如NDVI），这类指数在无人机遥感方面应用非常广泛。需要注意的是，由于太阳光照射角度问题，在实际采集的图像会存在植被阴影，而正是由于这些残留下的植被阴影使得原本在无阴影下达到良好分割的植被指数造成严重的错误分割，此外，强光与弱光环境、土壤环境复杂程度也能改变植被指数的分割精度，因而到目前为止也没有一种真正适合在所有环境下进行良好分割的植被指数。HAMUDA等[20]利用多种植被特征指数对阴影、不同光照（晴天、阴天、多云天）、不同植物、不同土壤环境、不同植物生长阶段等多种环境下的分割情况进行分析，并比较不同植被特征指数在不同环境下的分割性能，为杂草识别选用合理的植被指数提供参考依据。表1为用于植被分割的典型颜色模型/颜色指数性能比较。