《表3 玉米区域提取精度》

  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

《基于无人机遥感的玉米株高提取方法》

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

对4期共180幅DOM的灰度直方图进行分析，选择合适的阈值区分玉米和其他区域（包括阴影和较低叶片），通过提取算法的精确度S对3种方法进行对比，结果如表3所示。通过K-means算法提取玉米区域的精确度最低，通过遗传神经网络算法提取玉米区域的精确度较高，通过骨架算法提取玉米区域的精确度最高。3种方法的S平均值分别为0.57、0.68、0.83。结合图12可知，D1时期阴影和叶片较小，遗传神经网络算法和骨架算法提取效果差距不大，K-means算法对土壤区域识别能力较差，对提取效果影响较大；在D2～D4期间，叶片逐渐长大、展开，产生大量阴影区域，K-means算法和遗传神经网络算法误提取大量阴影区域和较低叶片，提取效果较差；相比而言，骨架算法在D1～D4期间的提取效果较稳定，误提取的土壤区域更少，设定合适的阈值区分玉米和其他区域后，通过骨架算法可以有效减少阴影和较低叶片等区域对提取玉米区域的影响，精确度更高。