基于無人機定位定向系統(tǒng)的光束法區(qū)域網(wǎng)平差方法及作物面積識別

基于無人機定位定向系統(tǒng)的光束法區(qū)域網(wǎng)平差方法及作物面積識別

0農(nóng)情監(jiān)測領(lǐng)域農(nóng)業(yè)條件的遙感監(jiān)測是一項基于遙感技術(shù)的動態(tài)農(nóng)業(yè)生產(chǎn)過程。它的內(nèi)容是對大面積種植面積、生長、水分和產(chǎn)量的發(fā)生和發(fā)展過程的系統(tǒng)監(jiān)測。其范圍大、時效高和客觀準確的優(yōu)勢是常規(guī)監(jiān)測手段無法企及的。農(nóng)業(yè)生產(chǎn)變化快,需要指定時間范圍內(nèi)的影像,目前的星載高空間分辨率數(shù)據(jù)的重訪時間長,無法保證短時間內(nèi)獲得指定區(qū)域數(shù)據(jù),空間抽樣技術(shù)就成為中分辨率遙感監(jiān)測結(jié)果的有效補充。但采用高精度GPS實測地面樣方的方法存在效率低、樣方面積小的問題。無人機遙感技術(shù)的出現(xiàn)和發(fā)展,為這一問題的解決提供了一種新思路。無人機具有成本低,操作簡便,獲取影像速度快,地面分辨率高等一系列優(yōu)點,可以實現(xiàn)對某一重點研究區(qū)域大范圍遙感影像的快速獲取,結(jié)合農(nóng)作物地面測量數(shù)據(jù),能迅速而準確地完成該區(qū)域農(nóng)情監(jiān)測任務,并為更大范圍農(nóng)情采樣估計提供便利。無人機(unmannedaerialvehicle,UAV),是一種通過無線遙控或規(guī)劃航線飛行的無人駕駛飛機,它一般有動力系統(tǒng)、飛控系統(tǒng)、無線通訊遙控系統(tǒng)、有效載荷(武器、偵查設(shè)備)等部分組成。目前的無人機的研究方向主要集中在飛行系統(tǒng)研制、影像處理方法與精度方面,行業(yè)應用雖也有一些報道,但主要集中在軍事、地圖測繪更新、地質(zhì)勘探、自然災害監(jiān)測等領(lǐng)域,對于農(nóng)情遙感監(jiān)測領(lǐng)域則涉及較少。中國測繪科學研究院研制了UAVRS-Ⅰ/Ⅱ型無人機,完成了“無人機海監(jiān)遙感系統(tǒng)關(guān)鍵技術(shù)研究和驗證試驗”項目,并研究了無人機影像處理技術(shù)。楊正銀等對無人機航攝影像測繪地形圖的精度進行了探討,得出依據(jù)無人機影像制作的1∶2000地形圖的平面和高程精度均滿足《1∶5001∶10001∶2000地形圖航空攝影測量內(nèi)業(yè)規(guī)范》對1∶2000平地、丘陵的成圖要求。謝彩香等根據(jù)中藥資源分布特點利用無人機進行抽樣調(diào)查,結(jié)合航天遙感計算中藥資源的總量,大大節(jié)省了成本,并使其結(jié)果具有統(tǒng)計學的可靠性。臺灣大學理學院空間信息研究中心利用無人機拍攝低空大比例尺圖像,配合FORMOSAT2分類進行異常提取,解譯桃園縣非法廢棄堆積物(固體垃圾等),用于環(huán)境污染監(jiān)測和執(zhí)法調(diào)查。張園等利用無人機影像在臨安市進行了森林資源二類調(diào)查試驗,指出無人機遙感技術(shù)在森林精確區(qū)劃調(diào)查、森林病蟲害監(jiān)測防治方面有良好應用前景。胡曉曦、周曉敏等則對無人機影像測圖定位精度進行了研究,表明依據(jù)無人機影像經(jīng)過幾何校正和拼接后得到的正射影像圖具有很高的平面位置精度。本文以位于河北省廊坊市的中國農(nóng)業(yè)科學院國際農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)園(萬莊)為依托,對無人機影像在農(nóng)情監(jiān)測方面的應用進行了初步研究,開展了無人機影像獲取、地面數(shù)據(jù)的采集和正射影像圖、農(nóng)田區(qū)劃圖等的制作,利用野外檢查點對這些成果的幾何精度進行評價,表明無人機影像校正處理結(jié)果在幾何精度上是滿足農(nóng)業(yè)應用需求的;依據(jù)校正后的影像,分別采用傳統(tǒng)的監(jiān)督分類方式和目前逐步流行的面向?qū)ο蠓诸惙绞?進行了農(nóng)作物分布的分類提取,與地面實測數(shù)據(jù)進行比較,表明無人機影像在農(nóng)作物遙感監(jiān)測方面的應用是切實可行且能達到較高的精度,并對無人機在農(nóng)情監(jiān)測方面的應用進行了初步的探討。1農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)園萬莊廊坊市位于華北平原東北部,面積6429km2,其中常用耕地面積373.3khm2,總?cè)丝?10萬,其中農(nóng)業(yè)人口近300萬。廊坊市地處中緯度地帶(116.17-117.04E,38.42-39.59N),屬暖溫帶大陸性季風氣候,光熱資源充足,雨熱同季,全市無霜期平均190d,降水量年均為555mm,日照時數(shù)年均2660h。該市位于華北沖積平原中下流地區(qū),除北部有少量燕山余脈外,大部分地區(qū)土地平坦,土地肥沃、氣候適宜,適于多種農(nóng)作物生產(chǎn)。本次航測區(qū)以廊坊的中國農(nóng)業(yè)科學院農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)園(萬莊)為中心,測區(qū)面積大約為4.2km×3.1km,地形平坦,平均海拔25m,是由中國農(nóng)業(yè)科學院與廊坊市及廣陽區(qū)合作共建,主要從事農(nóng)業(yè)科研創(chuàng)新、成果轉(zhuǎn)化、科技服務的現(xiàn)代農(nóng)業(yè)科技園。主要作物有玉米、小麥、苜蓿、大豆、花卉等。測區(qū)條件交通條件便利、田地分塊大而整齊,為遙感影像分類提供便利,同時對作物的地面生長情況監(jiān)控充足,各種作物資料獲取方便,為無人機影像農(nóng)情監(jiān)測應用研究提供了可靠的保障。2學習方法2.1無人機像獲取與定位原理介紹無人機影像農(nóng)情遙感監(jiān)測研究的重點主要包括以下3個部分:無人機影像獲取與定位原理、外業(yè)方案及地面數(shù)據(jù)采集、無人機作物識別方法研究。無人機影像獲取與定位原理針對本次研究所使用的無人機情況,介紹包括相機檢校、像控點布設(shè)及航線設(shè)計、無人機影像定位原理與方法等方面內(nèi)容;外業(yè)方案及地面數(shù)據(jù)采集包括基站與控制點布設(shè)、獲取地面農(nóng)田地塊區(qū)劃、作物分類、作物生長狀況信息等;無人機作物識別方法研究主要介紹通過精度評價的手段,利用監(jiān)督分類方法和面向?qū)ο蠓诸惙椒ㄩ_展不同種類農(nóng)作物面積識別精度與能力的研究,并通過精度比較對2類方法的準確程度進行定性評價與討論。2.2獲得和定位無人機圖像的原則2.2.1外來機參數(shù)標定本次研究采用FreeBird小型電動無人機,起飛質(zhì)量2.5kg,巡航速度54km/h,飛行高度50~2500m。系統(tǒng)操控簡單,輕便靈活,易于推廣。無人機上搭載了理光GXRA12數(shù)碼相機,主要參數(shù)如表1所示。由于航拍相機是非量測相機,相機存在較大的鏡頭畸變、像主點偏移等誤差,因此相機參數(shù)的標定是非常關(guān)鍵的環(huán)節(jié),其標定結(jié)果的精度及算法的穩(wěn)定性直接影響相機工作產(chǎn)生結(jié)果的準確性。本文中相機檢校工作在地面試驗中完成,檢校報告由廠家提供,主要的檢校參數(shù)見表2。2.2.2空三測量控制點布設(shè)無人機航空攝影所攜帶的往往是普通數(shù)碼相機,航高低、單幅影像覆蓋面積小、重疊度大、基線長度短,要進行高精度測圖,則布設(shè)控制點數(shù)目將大大增加。本次試驗所用無人機由POS系統(tǒng)提供相機曝光時刻的高精度外方位元素,方便進行IMU/DGPS(慣性測量裝置/差分全球定位系統(tǒng),InertialMeasurementUnit/DifferentialGlobalPositioningSystem)輔助空三測量,理論上只需要有一個基站,而不需任何地面控制點(GCPs)即可實現(xiàn)整個測區(qū)的航空攝影測量,校正之后的影像能保證一定的絕對定位精度和很高的相對定位精度。然而在實際應用中,如果要獲得更高的絕對定位精度,則布設(shè)一定數(shù)量的地面控制點還是需要的,同時這些點還可用來檢測影像幾何定位精度,保證校正影像符合農(nóng)業(yè)監(jiān)測應用需求。控制點布設(shè)要求GPS信號遮擋少、目標易于識別且固定不動、分布均勻。本次試驗共布設(shè)控制點103個,主要分布在道路交叉口中心,使用RTK進行測量,可用于空三運算和精度檢測。本次試驗設(shè)計航高375m左右,共設(shè)計了10條東西向航線,每條航線長約4km,航向重疊度達到80%,旁向重疊度達60%,大部分地面點被5張及以上的像片所包含,共設(shè)定了690個曝光點,單幅影像覆蓋面積約為341m×514m,影像地面分辨率約為0.12m,完整覆蓋了整個研究區(qū)域。2.2.3組合傳感器的工程化修正無人機拍攝獲取的影像為中心投影,要進行實際的應用必須對影像進行正射校正并最終拼接成圖,獲得整個測區(qū)的正射影像圖(digitalorthophotomap,DOM)。與傳統(tǒng)的衛(wèi)星傳感器、機載傳感器相比較,姿態(tài)穩(wěn)定度相對較差是無人機影像的主要特點,這也是影響其定位精度的主要因素。目前商用軟件的一般做法是POS輔助光束法空三。在本文中,無人機影像定位的主要步驟是首先依據(jù)相機檢校文件確定相機的檢校參數(shù),同時結(jié)合GPS/INS(globalpositionsystem/inertialnavigationsystem,全球定位系統(tǒng)/慣性導航系統(tǒng))提供的相機成像時刻的外方位線元素和外方位角元素,進行無控制點條件下的POS輔助空中三角測量。POS輔助空中三角測量也稱為“集成傳感器定向法”(integratedsensororientation,ISO),它是通過對POS系統(tǒng)觀測數(shù)據(jù)進行嚴格的聯(lián)合數(shù)據(jù)后處理(動態(tài)卡爾曼濾波)直接測定航攝儀的空間位置和姿態(tài),并將其與像點坐標觀測值進行聯(lián)合平差,以整體確定地面目標點的3維空間坐標和6個影像外方位元素,實現(xiàn)少量或無地面控制點的攝影測量區(qū)域網(wǎng)平差。它與傳統(tǒng)的區(qū)域網(wǎng)光束法平差最大的不同是引入POS系統(tǒng)測量的GPS位置數(shù)據(jù)和INS測得的姿態(tài)角度信息作為平差條件,建立相應的誤差方程,依據(jù)最小二乘法原理解算法方程,得到包括攝站位置、姿態(tài)、地面點坐標、相機內(nèi)方位元素、偏心角、偏心距等一系列值。對地面點進行空三加密之后,得到數(shù)字高程模型(digitalelevationmodel,DEM),之后進行影像數(shù)字微分糾正,即可得到正射影像圖。從這一過程可以看出,空三解算的精度直接影響到最后成圖的質(zhì)量,若空三解算精度低,則會導致最后的DOM精度降低,甚至無法拼接成圖。課題組在通過對目前常用的幾種空三處理軟件的處理效果的精度和速度進行對比之后,認為完全基于影像、自動空三計算原始影像的真實位置和參數(shù),參數(shù)優(yōu)化、區(qū)域網(wǎng)平差和自動校準影像等技術(shù)是實現(xiàn)大數(shù)據(jù)量簡單、快速、精確處理的關(guān)鍵。目前的成熟的商用軟件總體上都可以滿足精度要求,但在使用的方便程度上各有利弊,需要使用者根據(jù)各自情況有針對性的使用。由于航片拍攝時刻記錄的GPS位置是具有一定定位誤差的,因此在沒有地面控制點對這一誤差進行控制的情況下,由空三結(jié)果得到的正射影像圖還存在一定的系統(tǒng)誤差。為了提高定位精度并與整個測區(qū)衛(wèi)星遙感數(shù)據(jù)處理標準影像相統(tǒng)一,后期采用了3階一般多項式進行影像的配準精校正,可以采用基準點校正,也可以采用基準影像進行校正。基準影像采用具有高空間分辨率的Worldview影像。配準之后,通過無人機獲得的影像和衛(wèi)星遙感影像就能較好的統(tǒng)一起來,方便進行其他處理。2.3無人機拍攝定位精度仿真外業(yè)工作主要包括基站布設(shè)、控制點布設(shè)和測量、農(nóng)田地塊GPS測量、農(nóng)作物種植及生長情況調(diào)查、無人機航拍作業(yè)等。控制點測量、無人機航拍作業(yè)、農(nóng)田地塊測量等涉及GPS測量的作業(yè)都需要基站數(shù)據(jù)進行差分,在本研究中這些基站均布設(shè)在同一點上,以增加數(shù)據(jù)的相關(guān)性,減少誤差。無人機航拍時間為2012年9月13日,風力小于4級,天氣晴朗,能見度高,飛行采用自動起飛/規(guī)劃航線飛行/自動降落模式,全程耗時約1h。農(nóng)田分布區(qū)劃GPS測量使用載波相位測量原理,由操作人員攜帶GPS接收機,沿著不同的農(nóng)田地塊邊緣移動,獲取農(nóng)田地塊邊界GPS數(shù)據(jù)。得到這些數(shù)據(jù)之后,再結(jié)合基站GPS數(shù)據(jù)進行差分處理,定位精度將由原始數(shù)據(jù)的幾米提高到厘米級的精度,相比無人機航拍定位精度,可認為是真實準確的。在對不同的農(nóng)田地塊區(qū)劃進行GPS測量的時候,同時記錄這些地塊內(nèi)作物的種類、植被指數(shù)、生長狀況等作物信息,為后續(xù)利用無人機影像進行作物農(nóng)情監(jiān)測提供地面實測數(shù)據(jù)支持,并用以進行精度評價。2.4基于最大似然法的類目分類本文分別采用2種分類方法對研究區(qū)的作物面積進行識別。一種是基于最大似然法的監(jiān)督分類。最大似然分類法(maximumlikelihoodclassification,MLC)有嚴密的數(shù)學理論基礎(chǔ),它綜合應用了每個類別在各波段中的均值,方差以及各波段之間的協(xié)方差,有較好的統(tǒng)計特性,一直被認為是較先進的分類方法。在傳統(tǒng)的遙感圖像分類中,最大似然法的應用比較廣泛。該方法通過對訓練樣本的統(tǒng)計和計算,得到各個類別的均值和方差等參數(shù),從而確定一個分類函數(shù),然后將待分類圖像中的每一個像元代入各分類函數(shù),計算出最大似然概率。將概率最大的類別作為被該像元的歸屬類別,從而達到分類的效果。另一種是面向?qū)ο蟮姆诸惙椒?它采用一種影像多尺度分割的法則,運用模糊數(shù)學方法獲得每個影像對象的屬性信息,以影像對象為信息提取的基本單元,實現(xiàn)類別信息自動提取的目的。面向?qū)ο笥跋穹治鲇?個獨立的模塊:對象生成與信息提取。對象生成是采用分割技術(shù)生成屬性值不同的影像對象的過程,成功的影像分割是面向?qū)ο蟮挠跋穹治龅谋匾疤帷Ｓ跋裥畔⑻崛∈腔谀：壿嫷姆诸愊到y(tǒng),并不是將每個對象簡單地分到某一類,而是給出每個對象隸屬于某一類的概率,根據(jù)地物特征以及空間信息建立模糊邏輯的知識庫,進行信息提取。3無人機圖像處理和應用3.1pix4uav軟件內(nèi)部處理目前,無人機航拍影像處理軟件主要有ERDAS/LPS、SocetSet、Inpfo、Pix4UAV等,在對各個軟件的處理效果及速度進行比對之后,本文選擇Pix4UAV軟件進行無人機遙感影像處理,未加特殊說明,所有投影方式為UTMN50,橢球模型為WGS84,主要過程及結(jié)果如下:1)首先準備航拍相機的檢校參數(shù)文件,該文件可由廠商提供,也可自行進行相機檢校試驗計算初始檢校參數(shù)。2)對航拍獲取的影像進行篩選,保證參與校正拼接影像的質(zhì)量和拼接的效果、速度。需要篩選掉的包括姿態(tài)角過大影像(俯仰角和側(cè)滾角大于3°)、航線拐角處曝光影像、重疊度過大或過小的影像、成像效果不好的影像。3)將篩選后的航拍影像及其對應的POS數(shù)據(jù)、相機檢校文件輸入Pix4UAV,接下來的步驟主要就是軟件內(nèi)部處理過程。軟件首先從輸入的影像中自動提取相當數(shù)量的連接點,這些連接點結(jié)合POS數(shù)據(jù),參與空三計算,得到每一張航拍影像的準確外方位元素和加密點的坐標。然后進行點云加密,Pix4UAV高級算法計算影像每一個像元的高程值,生成三維點云,以提高DEM和DOM的分辨率和準確性。得到DEM之后,進行數(shù)字微分糾正,將原始影像拼接校正成正射影像。需要注意的是,軟件自動生成的DOM在如建筑物等地物處可能存在扭曲現(xiàn)象,對于這些地方,使用軟件自帶的鑲嵌編輯工具進行編輯,即保證DOM的位置精度,也保證DOM在目視效果上的準確。4)處理結(jié)束后,查看Pix4UAV輸出的精度報告文件并瀏覽校正拼接后的DOM成果,檢查拼接校正的精度是否達到應用要求,平差精度達到0.284pixels。5)輸出的結(jié)果包括測區(qū)的數(shù)字高程模型(DEM)和正射影像圖(DOM)。對DOM,依據(jù)WorldView衛(wèi)星影像采用了3階一般多項式進行影像的配準校正,校正系統(tǒng)誤差并保證DOM與整個測區(qū)的衛(wèi)星遙感數(shù)據(jù)處理標準影像相統(tǒng)一。6)依據(jù)正射影像圖,制作數(shù)字線劃圖(digitallinegraphic,DLG),對主要道路、建筑和農(nóng)田進行矢量化。圖3給出了測區(qū)DEM,圖4給出了測區(qū)DOM,圖5給出了測區(qū)DLG。其中,圖4中黃線區(qū)域為測區(qū)中心區(qū)域,紅線區(qū)域為具有作物地塊測量數(shù)據(jù)的作物面積識別精度評價區(qū)域,本文中的面積精度評價是在這一區(qū)域進行的。3.2幾何精校正后農(nóng)田面積進行無控制點條件下的POS輔助光束法區(qū)域網(wǎng)平差之后,利用103個野外檢查點對校正精度進行評價,以中誤差表示的平面定位精度為X軸方向(東西方向)中誤差為2.2877m,Y軸方向(南北方向)中誤差為2.7821m,整體平面中誤差3.6018m;由于在無控制點條件空三情況下,地面定位精度會受到無人機本身GPS系統(tǒng)誤差等的影響,因此,為降低誤差并將無人機測區(qū)影像與大范圍衛(wèi)星影像坐標系相統(tǒng)一,采用3階一般多項式模型進行幾何精校正后,X軸方向(東西方向)中誤差為1.5871m,Y軸方向(南北方向)中誤差為1.8965m,整體平面中誤差為2.32m,符合國家測繪與地理信息局提出的《數(shù)字航空攝影測量空中三角測量規(guī)范》中對1:10000平地的平面位置中誤差不大于3.5m的要求,能夠滿足農(nóng)作物面積遙感監(jiān)測中作物面積調(diào)查定位精度的要求在數(shù)字線劃圖產(chǎn)品中,選擇多塊田地,測算其面積,結(jié)果與使用地面GPS手段測得的田地面積進行比對,結(jié)果如表3所示?？梢?使用無人機航拍影像進行面積監(jiān)測的精度基本能達到95.0%以上,且當田塊面積越大,統(tǒng)計精度越高,這也說明無人機航拍影像在大面積農(nóng)田面積監(jiān)測中的精度是可以保證的。3.3設(shè)置裸土作物位于航測中心區(qū)域的是一塊長期監(jiān)測地塊(圖4中的紅色區(qū)域),南北250m,東西300m,分布有苜蓿、春玉米和夏玉米幾種作物,以及收割完的春玉米、大豆、花生(視為裸土)。這一區(qū)域作物種植結(jié)構(gòu)復雜,并具有GPS測量的作物面積與類型數(shù)據(jù),選擇這一區(qū)域作為面積識別精度評價區(qū)域,圖6是面積評價區(qū)域的無人機影像,分別采用監(jiān)督分類方法和面向?qū)ο蟮姆诸惙椒▽ι鲜鰩追N地物類型進行識別。3.3.1最大似然法分類模型采用ENVI軟件,首先在影像上對每種地物類型分別選擇3~5塊用于分類的訓練樣本(圖6)。訓練樣本的選擇是監(jiān)督分類的關(guān)鍵,需要對要分類的圖像所在的區(qū)域有所了解,或進行過初步的野外調(diào)查。最終選擇的訓練樣本應能準確的代表整個區(qū)域內(nèi)每個類別的光譜特征差異。因此,同一類別訓練樣本必須是均質(zhì)的,不能包含其他類別,也不能是和其他類別之間的邊界或混合像元。采用最大似然法的監(jiān)督分類,用上一步選擇的訓練樣本對整幅影像進行分類,結(jié)果如圖7b所示:可以看到,除了小部分區(qū)域存在混淆的現(xiàn)象(如春玉米中混雜裸土,夏玉米中夾雜有苜蓿),分類效果大體上是較為良好的。為了進一步定量考察分類結(jié)果的精度,利用GPS地面測量結(jié)果(圖7a)對其進行驗證,將測量結(jié)果地面真值,計算二者之間的混淆矩陣,如表4中給出了不同作物類型的總體精度。從表中可見,4種類型的地物分類精度均在85%以上,尤其是苜蓿,精度達93%。3.3.2地物劃分的特征空間采用易康(eCognition)軟件對無人機影像進行面向?qū)ο蟮姆诸?。該軟件最基本的過程就是圖像分割,在給定的尺度下進行與知識無關(guān)的原始影像對象的提取。面向?qū)ο笫且卓档闹饕卣?因此,第一步就是要提取影像對象原型,這樣可以生成用于后面分類的原料。這里采用多尺度分割的方法。該方法考慮了地表實體或過程的多層次,克服數(shù)據(jù)源的固定尺度,采用多尺度影像對象層次的網(wǎng)絡(luò)結(jié)果來揭示地表特征。圖像分割的效果將直接影響分類結(jié)果的質(zhì)量。影像分割時尺度的選擇很重要,它直接決定影像對象的大小以及信息提取的精度。對于一種確定的地物類型,最優(yōu)分割尺度值是分割后的多邊形既能將這種地物的邊界顯示得十分清楚,又能最好地表示出這種地物,既不能太破碎,又不能邊界模糊。經(jīng)過試驗,最終確定了以下分割參數(shù):尺度因子為50,形狀因子為0.9,緊湊度因子為0.9,分割模式為Normal。確定苜蓿、春玉米、夏玉米和裸土4種類別,并選擇用于分類的特征空間,包括:紅、綠、藍DN值3個光譜特征;面積、緊湊度、密度3個幾何形狀特征;同質(zhì)性1個紋理特征。選擇與監(jiān)督分類同一區(qū)域的地塊作為分類對現(xiàn),執(zhí)行面向?qū)ο蟮姆诸惾蝿?結(jié)果如圖7c所示。由于面向?qū)ο蟮姆诸惙椒ú皇且韵袼?而是以分割后的影像對象為分類單元,因此相比監(jiān)督分類而言,其分類結(jié)果一般都是大片相連,在很大程度上減少了混雜不清的現(xiàn)象。同樣用地面測量的結(jié)果對其精度進行驗證,計算混淆矩陣如表4所示,總體精度達到92%以上。從這可以看出,對于無人機影像,由于其有非常高的地面分辨率,采用常規(guī)的基于像素的監(jiān)督分類方法,往往會造成作物分類結(jié)果碎片化(椒鹽現(xiàn)象)、分類精度不高的缺陷,分類結(jié)果不易矢量化,與地理數(shù)據(jù)庫難以有效整合;而面向?qū)ο蠓诸悓⒌孛娣譃橐粋€個具有特定屬性的“對象”,綜合考慮“對象”的光譜、紋理、拓撲關(guān)系等,其分類結(jié)果更加符合實際情況和應用需求,具有更高的精度,是高分辨率遙感影像作物分類提取的理想方法。4無人機影像在農(nóng)情監(jiān)測方面的應用探索無人機影像在農(nóng)情遙感監(jiān)測領(lǐng)域的應用具有巨大的優(yōu)勢和廣闊的前景,它相比衛(wèi)星影像具有更高的地面空間分辨率,并能帶來衛(wèi)星遙感所不具有的農(nóng)作物精細紋理等額外的遙感信息,可以很好地應用于精細農(nóng)業(yè)