本發(fā)明涉及圖像處理，尤其涉及一種基于無人機的多光譜圖像智能處理方法。

背景技術(shù)：

1、隨著無人機技術(shù)和遙感技術(shù)的不斷進步，基于無人機的多光譜圖像在農(nóng)業(yè)領(lǐng)域的應(yīng)用日益廣泛，尤其是在精準農(nóng)業(yè)監(jiān)測中。然而，由于農(nóng)田環(huán)境的復(fù)雜性和變化性，傳統(tǒng)的圖像處理方法在端元提取過程中面臨挑戰(zhàn)，難以充分利用多光譜圖像中的空間和光譜信息。

2、公開號為cn105631847a的專利文獻公開了一種多光譜圖像的處理方法及裝置，該方法包括：計算多光譜圖像的灰度圖像，并統(tǒng)計灰度圖像的直方圖；對直方圖進行均值濾波處理；構(gòu)建差分符號數(shù)組及支持數(shù)組濾波器，其中，差分符號數(shù)組的元素個數(shù)等于直方圖的維度，差分符號數(shù)組的元素的初始值為0，若對均值濾波處理后的直方圖進行差分計算所得到的差分值為正，則差分符號數(shù)組中的對應(yīng)元素為1，若差分值為負，則差分符號數(shù)組中的對應(yīng)元素為-1；支持數(shù)組濾波器的元素個數(shù)為2m，且前m個元素為1，后m個元素為-1，其中m為大于等于5的正整數(shù)；將支持數(shù)組濾波器作為掩模在差分符號數(shù)組中進行濾波，判斷所得到的濾波值是否大于設(shè)定閾值，是則判斷濾波值為直方圖的一個峰值；以及將所計算出的峰值的個數(shù)作為聚類數(shù)目，基于k-means聚類算法對多光譜圖像的各個像素點進行聚類。

3、由此可見，所述多光譜圖像的處理方法存在以下問題：該方法首先將多光譜圖像轉(zhuǎn)化為灰度圖像，并通過直方圖的統(tǒng)計來進行處理，會導致部分光譜信息的損失，尤其是在多光譜圖像中光譜通道信息具有較高的獨立性和多樣性時，轉(zhuǎn)化為灰度圖像后無法充分保留各波段的特征；該方法依賴于設(shè)定閾值來判斷濾波值是否為直方圖的峰值，這一閾值的設(shè)置需要根據(jù)具體圖像進行調(diào)整，缺乏自動優(yōu)化機制，導致在不同環(huán)境或圖像類型下表現(xiàn)不穩(wěn)定。

技術(shù)實現(xiàn)思路

1、為此，本發(fā)明提供一種基于無人機的多光譜圖像智能處理方法，用以通過多尺度特征融合和動態(tài)調(diào)整閾值克服現(xiàn)有技術(shù)中由于灰度化處理和閾值設(shè)定依賴人工調(diào)整導致光譜信息丟失和處理不穩(wěn)定的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供一種基于無人機的多光譜圖像智能處理方法，包括：

3、獲取基于網(wǎng)格劃分的農(nóng)田無人機采集區(qū)域內(nèi)各待處理網(wǎng)格的實時光照強度、實時作物覆蓋率、實時平均地面高度以及實時多光譜圖像；

4、根據(jù)所述實時光照強度和預(yù)設(shè)光強閾值確定若干低照射網(wǎng)格；

5、根據(jù)各所述低照射網(wǎng)格的所述實時作物覆蓋率和所述實時多光譜圖像確定若干臨時網(wǎng)格；

6、根據(jù)各所述臨時網(wǎng)格內(nèi)的所述實時多光譜圖像、所述實時平均地面高度以及預(yù)設(shè)同步閾值確定若干提取網(wǎng)格；

7、根據(jù)全部所述提取網(wǎng)格的所述實時多光譜圖像確定端元集合；

8、根據(jù)所述端元集合和預(yù)設(shè)標準集合調(diào)整所述預(yù)設(shè)光強閾值，形成調(diào)整光強閾值；

9、根據(jù)預(yù)設(shè)調(diào)整時長內(nèi)基于所述調(diào)整光強閾值形成的端元集合調(diào)整所述預(yù)設(shè)同步閾值，形成調(diào)整同步閾值；

10、輸出基于所述調(diào)整同步閾值形成的端元集合。

11、進一步地，根據(jù)各所述低照射網(wǎng)格的所述實時作物覆蓋率和所述實時多光譜圖像確定若干臨時網(wǎng)格包括：

12、使用預(yù)設(shè)端元提取模型提取所述實時多光譜圖像的實時光譜反射率；

13、計算所述實時光譜反射率的平均值，形成平均光譜反射率；

14、計算預(yù)設(shè)第一確定時長內(nèi)所述實時作物覆蓋率的標準差，形成覆蓋率波動值；

15、計算所述預(yù)設(shè)第一確定時長內(nèi)所述平均光譜反射率的標準差，形成第一反射率波動值；

16、根據(jù)所述覆蓋率波動值和所述第一反射率波動值確定若干臨時網(wǎng)格。

17、進一步地，根據(jù)所述覆蓋率波動值和所述第一反射率波動值確定若干臨時網(wǎng)格包括：

18、根據(jù)所述覆蓋率波動值繪制覆蓋率變化曲線；

19、根據(jù)所述第一反射率波動值繪制第一反射率變化曲線；

20、計算所述覆蓋率變化曲線和所述第一反射率變化曲線的余弦相似度，形成變化一致度；

21、在所述變化一致度大于預(yù)設(shè)一致度閾值時，判定所述低照射網(wǎng)格為臨時網(wǎng)格。

22、進一步地，根據(jù)各所述臨時網(wǎng)格內(nèi)的實時多光譜圖像、所述實時平均地面高度以及預(yù)設(shè)同步閾值確定若干提取網(wǎng)格包括：

23、計算預(yù)設(shè)第二確定時長內(nèi)所述平均光譜反射率的標準差，形成第二反射率波動值；

24、計算所述預(yù)設(shè)第二確定時長內(nèi)所述實時平均地面高度的標準差，形成高度波動值；

25、根據(jù)所述第二反射率波動值和所述高度波動值確定若干異常網(wǎng)格；

26、排除全部所述待處理網(wǎng)格中的所述異常網(wǎng)格，形成若干提取網(wǎng)格。

27、進一步地，根據(jù)所述第二反射率波動值和所述高度波動值確定若干異常網(wǎng)格包括：

28、根據(jù)所述第二反射率波動值繪制第二反射率變化曲線；

29、根據(jù)所述高度波動值繪制高度變化曲線；

30、計算所述第二反射率變化曲線和所述高度變化曲線的余弦相似度，形成變化同步度；

31、在所述變化同步度小于所述預(yù)設(shè)同步閾值時，判定所述臨時網(wǎng)格為異常網(wǎng)格，形成若干異常網(wǎng)格。

32、進一步地，根據(jù)全部所述提取網(wǎng)格的所述實時多光譜圖像確定端元集合包括：

33、對所述實時多光譜圖像進行預(yù)處理，形成處理多光譜圖像；

34、使用所述預(yù)設(shè)端元提取模型提取全部所述處理多光譜圖像的實時光譜反射率，形成端元集合。

35、進一步地，根據(jù)所述端元集合和預(yù)設(shè)標準集合調(diào)整所述預(yù)設(shè)光強閾值，形成調(diào)整光強閾值包括：

36、計算所述端元集合和所述預(yù)設(shè)標準集合的余弦相似度，形成集合偏差；

37、在所述集合偏差大于預(yù)設(shè)偏差閾值時，根據(jù)集合偏差和預(yù)設(shè)偏差閾值的相對偏差以及預(yù)設(shè)第一調(diào)整系數(shù)調(diào)整所述預(yù)設(shè)光強閾值，形成調(diào)整光強閾值。

38、進一步地，根據(jù)預(yù)設(shè)調(diào)整時長內(nèi)基于所述調(diào)整光強閾值形成的端元集合調(diào)整所述預(yù)設(shè)同步閾值，形成調(diào)整同步閾值包括：

39、計算所述預(yù)設(shè)調(diào)整時長內(nèi)實時端元集合的集合數(shù)量的標準差，形成集合數(shù)量波動值；

40、在所述集合數(shù)量波動值大于預(yù)設(shè)數(shù)量波動閾值時，根據(jù)集合數(shù)量波動值和預(yù)設(shè)數(shù)量波動閾值的相對偏差以及預(yù)設(shè)第二調(diào)整系數(shù)調(diào)整所述預(yù)設(shè)同步閾值，形成調(diào)整同步閾值。

41、進一步地，根據(jù)所述實時光照強度和預(yù)設(shè)光強閾值確定若干低照射網(wǎng)格包括：

42、在所述實時光照強度小于所述預(yù)設(shè)光強閾值時，確定所述待處理網(wǎng)格為低照射網(wǎng)格。

43、進一步地，對所述實時多光譜圖像進行預(yù)處理，形成處理多光譜圖像包括：

44、使用預(yù)設(shè)凸體優(yōu)化模型去除所述處理多光譜圖像的噪聲，形成處理多光譜圖像。

45、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于，通過綜合分析農(nóng)田區(qū)域的實時光照強度、作物覆蓋率、地面高度和多光譜圖像等多維度數(shù)據(jù)，能夠有效應(yīng)對復(fù)雜的農(nóng)田環(huán)境變化，如光照不均和作物遮擋等因素，精準篩選出適合提取端元的網(wǎng)格。通過動態(tài)調(diào)整光強閾值和同步閾值，能夠根據(jù)實際情況優(yōu)化端元提取結(jié)果，顯著提高端元提取的精度和魯棒性，減少噪聲干擾。該方法不僅提高了多光譜圖像處理的準確性和可靠性，還為農(nóng)業(yè)生產(chǎn)提供了精準的環(huán)境監(jiān)測與決策支持，具有重要的應(yīng)用價值。通過實時反饋調(diào)整與優(yōu)化，能夠更好地適應(yīng)不同的農(nóng)田場景，提升作物生長狀況評估、病蟲害監(jiān)測、施肥灌溉決策等方面的智能化管理水平，有效解決了由于灰度化處理和閾值設(shè)定依賴人工調(diào)整導致光譜信息丟失和處理不穩(wěn)定的問題。

46、進一步地，通過分析作物覆蓋率和平均光譜反射率的波動，能夠有效篩選出與環(huán)境或作物生長狀態(tài)變化相關(guān)的區(qū)域，幫助精確識別農(nóng)田中的臨時網(wǎng)格，提高了數(shù)據(jù)處理的準確性，使得后續(xù)的異常網(wǎng)格識別與端元集合提取更加精準，減少了因環(huán)境變化或圖像噪聲帶來的誤判，從而優(yōu)化了農(nóng)田監(jiān)測與管理效果。

47、進一步地，通過分析覆蓋率和反射率波動的變化一致度，能夠有效地識別出反映作物生長趨勢一致的網(wǎng)格區(qū)域，避免因環(huán)境噪聲和局部干擾引起的誤判，從而提高網(wǎng)格篩選的準確性。

48、進一步地，通過結(jié)合平均光譜反射率和地面高度的波動值，能夠有效識別出存在異常的網(wǎng)格，從而過濾掉不可靠的網(wǎng)格數(shù)據(jù)，確保在后續(xù)的處理過程中，選擇的是可靠且穩(wěn)定的數(shù)據(jù)，提升了數(shù)據(jù)分析的準確性和整體處理效果。

49、進一步地，通過分析反射率和高度的變化趨勢及其同步性，可以有效識別出異常網(wǎng)格，避免了由于環(huán)境變化或設(shè)備誤差等引發(fā)的錯誤數(shù)據(jù)干擾，從而提升了數(shù)據(jù)處理的準確性和可靠性，確保了后續(xù)分析和決策的有效性。

50、進一步地，通過對多光譜圖像的預(yù)處理和精確提取光譜反射率，能夠有效地剔除噪聲和不相關(guān)的因素，提高圖像數(shù)據(jù)的質(zhì)量和可靠性。通過形成端元集合，能夠更準確地表征不同區(qū)域的特征，為后續(xù)的作物監(jiān)測、土地管理及精準農(nóng)業(yè)提供有力支持。

51、進一步地，通過計算端元集合和標準集合的余弦相似度并基于集合偏差進行光強閾值的動態(tài)調(diào)整，可以確保光強閾值更準確地反映實際的圖像特征，從而提高系統(tǒng)對低照射區(qū)域的處理精度，能夠根據(jù)不同的圖像特征進行優(yōu)化，使得在不同環(huán)境下光強閾值更加適應(yīng)，提升整體的采集效果和處理質(zhì)量。

52、進一步地，通過調(diào)整同步閾值，可以優(yōu)化對光強閾值變化的響應(yīng)能力，提高識別準確性。使用集合數(shù)量波動值來判斷是否進行調(diào)整，可以有效避免不必要的調(diào)整，同時確保在波動較大的情況下仍保持高效的工作性能，增強適應(yīng)復(fù)雜環(huán)境變化的能力。

53、進一步地，通過引入預(yù)設(shè)光強閾值能夠有效篩選出光照不足的區(qū)域，幫助精確識別需要特別關(guān)注的低光照區(qū)域，優(yōu)化后續(xù)的處理和分析，提高作物監(jiān)測、農(nóng)業(yè)管理或相關(guān)領(lǐng)域中對環(huán)境條件變化的應(yīng)對能力。

54、進一步地，通過應(yīng)用預(yù)設(shè)凸體優(yōu)化模型，能夠有效提升圖像質(zhì)量，減少噪聲對后續(xù)分析的影響，從而提高圖像處理的精確度和可靠性，為后續(xù)的特征提取、分析和決策提供更加準確的數(shù)據(jù)支持。