申请/专利权人:中国科学院空天信息创新研究院
申请日:2023-09-25
公开(公告)日:2023-11-24
公开(公告)号:CN117115662A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/762;G06V10/74;G06V10/77;G06V10/771;G06V10/30
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.12#实质审查的生效;2023.11.24#公开
摘要:本发明提出一种枣树叶螨虫害识别方法和系统。其中,方法包括:采集区域尺度的枣树高光谱遥感影像及地面数据;对高光谱影像数据进行数据预处理,并提取其光谱特征图;通过衡量光谱特征图的中心像素与邻域内像素的光谱相似性,对中心像素点重构,以提取光谱特征图中空间信息,得到图像的光谱空间特征;应用聚类方法分析光谱空间特征,识别健康区域、感染区域以及地表三种情况,得到枣树叶螨虫害结果图像,进而得到实地叶螨虫害病变情况。本发明提出的方案能够充分挖掘了高光谱图像中丰富的光谱信息,有效的去除高光谱图像中的冗余信息,降低图像噪声及混合像元对识别结果的影响,具有更好的鲁棒性,提高了枣树叶螨虫害识别准确率。
主权项:1.一种枣树叶螨虫害识别方法,其特征在于,所述方法包括:步骤S1、采集区域尺度的枣树高光谱遥感影像及地面数据;步骤S2、对所述高光谱影像数据进行数据预处理;步骤S3、提取预处理后的高光谱影像数据中的光谱特征图;步骤S4、通过衡量所述光谱特征图的中心像素与邻域内像素的光谱相似性,对中心像素点重构,以提取光谱特征图中空间信息,得到图像的光谱空间特征;步骤S5、应用聚类方法分析所述光谱空间特征,识别健康区域、感染区域以及地表三种情况,得到枣树叶螨虫害结果图像,进而得到实地叶螨虫害病变情况。
全文数据:
权利要求:
百度查询: 中国科学院空天信息创新研究院 一种枣树叶螨虫害识别方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。