ENVI_基于无人机数据的果树提取与相对健康监测

已于 2022-09-06 20:45:15 修改
阅读量1k 收藏 8
点赞数 1
分类专栏： ENVI 文章标签： 无人机 css 前端
于 2020-09-04 17:29:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43238426/article/details/89639055
版权
本文介绍了如何使用ENVI软件基于无人机数据进行果树的提取和相对健康监测。首先，通过计算植被指数并制作掩膜完成数据处理。接着，在单地块中，通过绘制感兴趣区和设置提取参数来获取果树矢量文件，并分析果树健康程度。最后，通过批量裁剪和ENVI Modeler进行大规模果树提取及矢量合成操作。
摘要由CSDN通过智能技术生成

一、数据处理

1.计算植被指数VDVI或GDVI:Band Math / Spectral Indices
在这里插入图片描述
2.制作掩膜:ROI——Threshold——Subset
在这里插入图片描述

二、单地块果树提取

1.绘制感兴趣区shp

2.确定果树提取参数:Count Crops
在这里插入图片描述
3.输出果树矢量文件:Convert Crops To Shapefile

4.果树相对健康程度分析:Calculate Crop Metrics
在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
xuquan0928
关注
专栏目录
订阅专栏
【水果检测】基于计算机视觉实现柑橘质量检测及分级系统含Matlab源码
qq_59747472的博客
03-30 2029
​1 简介 水果分级技术能够保证水果的质量,提高消费者的满意度,增强水果产业的竞争力和利润水平。农业现代化进程的加快使得农产品品质检测和分级技术显得更加重要。在我国,水果品质检测绝大部分仍停留在靠人工感官进行识别判断的原始阶段,这种主观评定效率低,误差大。这导致了我国出口水果的外观质量较差,良莠不齐,大小不一,在国际市场上缺乏竞争力,提高我国水果的品质检测水平是当务之急。与其它检测技术相比,计算机视觉技术的特点是速度高、信息量大、功能多,而且可以测量定量指标。 2 部分代码 function [
ENVI经验|基于多源遥感影像的红树林范围提取4-面向对象分类
海洋GISer成长记
04-29 8222
传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富，地物间光谱差异较为明显的基础上进行的。对于只含有较少波段的高分辨率遥感影像，传统的分类方法，就会造成分类精度降低，空间数据的大量冗余，并且其分类结果常常是椒盐图像，不利于进行空间分析。 为解决这一传统难题，面向对象分类技术应运而生。面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。 面向对象分类主要分成两部分过程：对
无人机影像的纹理特征提取【ENVI+Python】--纯操作无原理
crush111的博客
04-11 6711
今天看了张琦琦同学三月新发表的一篇forests文章，顺便学习了一下以前一直早有耳闻但从来不会的遥感影像纹理特征提取的操作（我是小辣鸡），做个学习记录~今天用到的示例数据是今年一月初的精灵4多光谱P4M获取的冬小麦影像，包含五个波段R,G,B,Nir，RedEdge。 主要包含辐射定标，layer stacking，PCA，提取第一主成分，基于GLCM提取纹理特征（Co-occurrence Measures）。 8种纹理因子： 均值（Mean）、方差（Variance）、协同性（Homogeneity）、
【2012用户大会-遥感讲座分享】ENVIIDL在农林中的应用方案
iteye_8029的博客
09-18 243
本文主要介绍遥感在农作物监测，林业资源调查，资源调查和灾害监测方面的应用解决方案。 一、农作物监测 农作物的监测和估产是农业中应用遥感技术的主要方向之一，利用遥感技术可以识别农作物种植区和种类，从而监测作物种植面积，再获取作物的长势情况，结合病虫害监测和具体的信息提取模型得出农作物的产量。 01 农作物遥感估产路线 02 遥感图像增强用于突出农作物信息 <wbr>...
在ENVI上利用band math和ROI进行湖水掩膜
u013901294的博客
12-15 1万+
在网上找了一圈没看见湖水掩膜的，都是消除背景值，琢磨了半天思考出了这个方法，希望有人能用上。 1.生成NDWI图像（突出水域）  在这个网址中发现了NDWI计算公式https://tieba.baidu.com/p/2447000608?red_tag=1561289776 “要在basic tool---band math 对话框里输入函数：fix(((float(b1)-b2)/(b1+...
DATA_Extract_BIL_envi_bil_高光谱_数据提取_
09-30
标题 "DATA_Extract_BIL_envi_bil_高光谱_数据提取_" 指向一个涉及高光谱数据处理的工程，其中的核心任务是将原始的高光谱数据转换为BIL（Band Interleaved by Line）格式，并生成HDR（Header Data Record）文件。...
envi_app_store.zip_envi APPstore_envi app_envi_app_store_streetu
09-20
标题中的"envi_app_store.zip"表明这是一个与ENVI（Environment for Visualizing Images）软件相关的压缩包，专门用于ENVI的应用商店（APPstore）。ENVI是一款广泛使用的遥感图像处理和分析软件。"envi APPstore...
ENVI_China_Satellites_Support_V5_国产卫星产品_ENVI5.3插件_ENIV_插件_enviCh
09-11
ENVI China Satellites Support V5 插件能够帮助用户更好地利用这些数据，进行地物识别、植被分析、灾害监测、城市规划等多种应用。 三、ENVI5.3与插件兼容性 ENVIV5.3是ENVI软件的一个重要版本，它在图像处理功能...
envi_batch_template.rar_Envi 批处理_batch_envi_envi_batch_template_
09-19
描述提到“idl环境下海量数据批处理的编写界面创建和初始化代码”，这暗示了ENVI的批处理模板是基于IDL（Interactive Data Language）编程环境构建的。IDL是一种强大的科学计算语言，常用于地球科学和天文学等领域，...
无人机遥感在智慧农业信息提取中的实现方法与GIS融合应用丨农作物形态、农作物生理生化、农作物胁迫、农作物产量信息提取理论与实践等
weixin_46747075的博客
02-19 1310
注重理论与实践相结合，针对高光谱建模的具体实现方法，系统地阐释基于信息量方法的建模思路与基本原理，并进行深入地实现方法培训，涉及数据获取、分析、处理、软件操作和结果分析等主要环节。掌握各种无人机遥感信息提取思路与基本步骤，结合十四种典型无人机应用领域的实际案例，通过一步步讲解与上机操作，具备解决无人机信息提取的能力。
用于视觉植物病害检测的数据集+标记(包含2000多张图片).zip
05-08
用于视觉植物病害检测的数据集 由于植物病害，每年损失 35% 的农作物产量。由于缺乏实验室基础设施和专业知识，早期发现植物病害仍然很困难。在本文中，我们探索了计算机视觉方法用于可扩展和早期植物病害检测的可能性。缺乏足够大规模的非实验室数据集仍然是实现基于视觉的植物病害检测的主要挑战。在此背景下，我们提出了 PlantDoc：用于视觉植物病害检测的数据集。我们的数据集总共包含 2,598 个数据点，涵盖 13 种植物和多达 17 类疾病，涉及大约 300 个人工时来注释互联网抓取的图像。为了展示我们数据集的有效性，我们学习了 3 个用于植物病害分类任务的模型。我们的结果表明，使用我们的数据集进行建模可以将分类准确度提高多达 31%。我们相信我们的数据集可以帮助降低计算机视觉技术在植物病害检测中的进入门槛。
NDVI等植被相关指数
weixin_30270561的博客
04-25 6886
一、基础概念 NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，植被覆盖指数。也称为生物量指标变化，可使植被从水和土的图像范围中分类出来。 应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。 1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响； 2、...
基于深度学习的植物病害检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
最新发布
逗逗班学Python
04-04 1万+
本文深入研究了基于YOLOv8/v7/v6/v5的植物病害检测系统，核心采用YOLOv8并整合了YOLOv7、YOLOv6、YOLOv5算法，进行性能指标对比；详述了国内外研究现状、数据集处理、算法原理、模型构建与训练代码，及基于Streamlit的交互式Web应用界面设计。在Web网页中可以支持图像、视频和实时摄像头进行植物病害检测，可上传不同训练模型（YOLOv8/v7/v6/v5）进行推理预测，界面可方便修改。本文附带了完整的网页设计、深度学习模型代码和训练数据集的下载链接。
无人机航拍图像数据集汇总
m0_58809042的博客
11-03 4546
本文介绍一些常用的数据集处理方法以及无人机航拍图像的数据集
植被指数的详细描述
weixin_38835395的博客
03-26 4930
基本植被指数 1、Jordan [ 36 ] 于 1969 年提出了最早的 VI 之一，即植物比率指数（RVI），它是基于叶子比红外光吸收更多红色光的原理；RVI 可以在数学上表示为 其中 NIR 是近红外波段反射率，是红波段反射率。根据植被的光谱特征，浓密植物在红波段的反射率较低，与 LAI、叶片干生物量 (LDBM) 和叶片叶绿素含量具有高度相关性。RVI 广泛用于绿色生物量估计和监测，特别是在高密度植被覆盖下，因为该指数对植被非常敏感，并且与植物生物量具有良好的相关性。然而，当植被覆盖稀疏（小于 5
GEE实战 | 各种指数分析(植被、水体、建筑)
热门推荐
小鱼干的博客
03-07 1万+
GEE实战 | 各种水体指数分析NDWI VS MNDWI NDWI MNDWI
毕业论文知识点记录（七）——环境数据下载之植被指数（月平均）
m0_46650614的博客
03-17 679
继上次下载了年均植被指数数据之后，尝试下载了一年中12个月份的月均数据
3.1-点云计算数学基础
TimeRiverForever的博客
05-24 1414
函数求导 方差&协方差矩阵 基本概念 方差（Variance）衡量的是单个随机变量的变化(比如一个人在群体中的身高)，概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。方差的公式为： ¯x是随机变量x的均值，n为样本总数。 标准差（Standard Deviation）是方差的算术平方根，用σ表示。标准差能反映一个数据集的离散程度。 协方差（Covariance）衡量的是两个随机变量同时变化的离散程度(比如一个人在群体中的身高和体重)。方差是协方差的一种特殊情况。 协方差矩
植被指数计算方法公式
qq_51929114的博客
02-01 5793
归一化植被指数(NDVI)、增强型植被指数(EVI)、高光谱归- -化植被指数(Hyp_ NDVI)、比值植被指数、差值植被指数、土壤 调整植被指数、修正土壤调整植被指数
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

xuquan0928

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值