基于RGB-NIR图像匹配的作物光谱指数特征可视化分析

归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标.为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态.利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析.试验利用可见光和近红外双目相机对51株玉米植株,分别在90°,54°和35°视角下同步采集RGB和NIR图像.对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF,SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time),峰值信噪比(PSNR),信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性三个方面综合确定最优匹配方法.其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red),G(Green),B(Blue)分量和NIR图像分量.基于HSI颜色模型,提取Ⅰ分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式.然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征.通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况.结果 显示,RGB-NIR图像匹配时间SIFT(1.865 s》＞SURF(1.412 s》＞ORB(1.121 s),匹配准确性上SURF≈SIFT＞ORB,匹配稳定性上SURF＞SIFT＞ORB,综合比较选取SURF为最优匹配算法.采用4灰度级标准板对R,G,B,NIR分量校正模型的R2分别为0.78,0.76,0.74,0.77.90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持.