《表2 可见光影像农作物分类特征选取》

  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

《无人机遥感的农作物精细分类研究进展》

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：WI为Woebbecke指数，CIVE为植被提取颜色指数，Ex GR为过绿减过红指数，VDVI为可见光波段差异植被指数，HOG为方向梯度直方图，SFP为单特征概率

光谱特征、纹理特征和色彩特征是可见光影像农作物分类常用的3种特征。光谱特征是指影像中地物的颜色、灰度或者波段间的亮度比等，是农作物分类识别的基础特征。不同农作物植株体内因具有不同类别和浓度的色素物质而表现出不同的光谱特征，因此，利用农作物间的光谱特征差异构建可见光波段植被指数进行农作物分类的方法具有可行性[18，21，51]。如Torres-Sánchez[21]等使用过绿指数Ex G(Excess green）、归一化绿红差值指数NGRDI(Normalized green-red difference index）、植被指数VEG(Vegetation）等6种植被指数进行麦田制图研究，结果表明Ex G和VEG指数的制图精度最高，30 m飞行高度下精度为87.73%～91.99%。纹理特征反映的是图像像元邻域灰度空间的分布规律，以往研究表明，纹理特征可辅助光谱特征有效抑制“同物异谱”现象，提高农作物分类精度[52]。目前，国内外学者多使用灰度共生矩阵法提取纹理特征参数，常用的参数有均值、方差、协同性、对比度、信息熵、相异性、相关性和二阶矩等[53]。如Yang[54]等使用无人机获取的可见光影像计算了二阶矩、信息熵、对比度等8种纹理特征参数并结合数字表面模型（DSM）和光谱特征成功提取了倒伏水稻的空间分布信息，分类精度为96.17%。色彩特征是识别图像的主要感知特征，色彩特征参数主要有色度、亮度和饱和度等。选取方法主要是通过色彩空间模型（如HIS或HSV）将色彩分量密切相关的RGB空间转变到色彩分量基本不相关的HIS或HSV色彩空间中。如戴建国[35]等使用HIS模型对可见光影像进行色彩空间变换，提取了色度、饱和度和亮度3个色彩特征参数结合纹理特征对北疆地区棉花、玉米、西葫芦、苜蓿4种农作物分类，精度可达80%以上。表2列出了近年来国内外使用无人机可见光影像进行农作物分类所选取的特征。从表2中可以看出，分类特征组合方式可归纳为2类：（1）仅使用可见光波段植被指数；（2）色彩特征与纹理特征组合。利用可见光波段植被指数进行农作物分类的研究较少，精度相对较低；利用色彩特征组合纹理特征进行农作物分类的研究很多，精度较高。