鄭明雪，羅治情，陳娉婷，官 波，馬海榮

（湖北省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟技術(shù)研究所/湖北省農(nóng)業(yè)科技創(chuàng)新中心農(nóng)業(yè)經(jīng)濟技術(shù)研究分中心/湖北省鄉(xiāng)村振興研究院，武漢 430064）

目前中國農(nóng)業(yè)正向集約化、精準(zhǔn)化方向發(fā)展。隨著這種生產(chǎn)模式的轉(zhuǎn)變，對快速準(zhǔn)確獲取大范圍農(nóng)作物空間信息在農(nóng)業(yè)生產(chǎn)應(yīng)用過程中占據(jù)越來越重要的位置。及時了解農(nóng)作物空間分布信息，對于實現(xiàn)農(nóng)田科學(xué)管理、作物面積監(jiān)測和作物產(chǎn)量預(yù)測等具有重要意義［1-3］。因獲取高分辨率遙感影像的成本低、效率高，且設(shè)備靈活便于攜帶，無人機遙感系統(tǒng)在農(nóng)業(yè)大面積遙感影像數(shù)據(jù)獲取方面具有獨特優(yōu)勢［4-6］。地塊是農(nóng)戶生產(chǎn)經(jīng)營的最小單位，對地塊邊界提取的研究是準(zhǔn)確把握農(nóng)田作物變化的前提。本研究在對農(nóng)作物遙感處理的精度和效率兩方面都有很大優(yōu)勢，為探索大規(guī)模農(nóng)作物空間信息提供了更直接的證據(jù)［7，8］。

當(dāng)前基于無人機遙感影像的農(nóng)田地塊邊界提取技術(shù)主要包括矢量化和影像分割［9-12］。前者獲取地塊邊界的精度高，但對工作人員的地圖解譯能力要求高，人力物力成本很大，不適合應(yīng)用于大范圍的地塊邊界獲取。后者是依據(jù)減小類間距離，增大類內(nèi)距離原則來獲取地塊邊界，很好地提高了地塊邊界獲取的效率，但該類方法僅考慮農(nóng)作物的常見農(nóng)學(xué)特征，沒有從農(nóng)作物本身及其所處地理環(huán)境兩個角度聯(lián)合考慮，且精確率大多差于人工解譯結(jié)果。并且，對于分辨率要求高、細(xì)節(jié)豐富的無人機遙感影像，這兩種技術(shù)都容易造成過分割現(xiàn)象。Mean Shift［13，14］作為一種非參數(shù)的密度估計方法，不需要假設(shè)樣本的分布模型，也不需要實現(xiàn)確定類別數(shù)目，可同時考慮影像的位置空間和值域空間信息，正廣泛用于遙感影像分割。Mean Shift 對帶寬設(shè)置的要求較大，需靈活調(diào)整寬帶值便于獲取影像的局部特征?；诖?，本研究提出了一種基于改進Mean Shift的無人機農(nóng)業(yè)應(yīng)用遙感影像地塊邊界自動化提取流程，既充分考慮地塊的位置信息以及地塊內(nèi)農(nóng)作物的顏色特性，又根據(jù)農(nóng)作物空間分布特點自適應(yīng)地確定帶寬大小。然后，使用超像素技術(shù)根據(jù)像素對的連接關(guān)系對分割結(jié)果構(gòu)造連通域。對于試驗過程中產(chǎn)生的過分割現(xiàn)象，考慮了3 種區(qū)域合并方法來合并分割后區(qū)域，得到最終的分割結(jié)果。

1 試驗區(qū)和影像數(shù)據(jù)

試驗區(qū)位于湖北省荊州市江陵縣郝穴鎮(zhèn)顏閘村，地形為平原，其中心地點位于東經(jīng)112°，北緯30°附近，轄區(qū)面積3.7 km2。使用數(shù)據(jù)為2020 年采用無人機拍攝的無人機遙感影像，如圖1 所示。圖1紅色框內(nèi)為農(nóng)田地塊邊緣提取試驗的感興趣區(qū)域。從影像中可看到農(nóng)田區(qū)域的地塊相對規(guī)整，邊界大多呈直線狀，但區(qū)域面積大小不一，地塊形狀也不統(tǒng)一，且同一地塊內(nèi)作物分布不均，易產(chǎn)生過分割。

圖1 試驗區(qū)中感興趣區(qū)域

2 地塊邊界自動化提取流程

本研究提出一種基于改進Mean Shift的無人機農(nóng)業(yè)應(yīng)用遙感影像地塊邊界自動化提取流程，如圖2 所示，主要包括影像預(yù)處理、改進的MS 分割、后處理和區(qū)域合并。

圖2 地塊邊界自動化提取流程

2.1 預(yù)處理

由于UAV 遙感影像覆蓋范圍較大，在進行試驗之前通常需要將其裁剪成小樣本影像，使得試驗數(shù)據(jù)滿足計算機的運行上限。

2.2 改進的MS 算法

2.2.1 傳統(tǒng)的MS 算法 傳統(tǒng)Mean Shift 是一種非參數(shù)密度梯度估計過程，基本原理表述為：給定d維空間Rd中的n個樣本點xi，i=1，…，n，在x點的Mean Shift向量的基本形式定義為式（1）。

式中，k表示落在高維球區(qū)域內(nèi)的樣本點的個數(shù)，Sh是一個半徑為h的高維球區(qū)域，滿足式（2）關(guān)系的y點的集合：

在式（1）中，（xi-x）可理解為樣本點xi相對于點x的偏移向量，式（1）中Mh(x)是對落入?yún)^(qū)域Sh中的k個樣本點相對于點x的偏移向量求和然后再平均。

設(shè)數(shù)據(jù)點x處的多變量核密度估計函數(shù)為式（3）。

式中，h為帶寬，d為空間維度，K(x)為核函數(shù)。取

其中ck,d為常量參數(shù)，則式（3）變?yōu)椋?/p>

設(shè)該點x經(jīng)過迭代收斂的過程中，依次經(jīng)過的點為y0，y1，…，yk，…，yc，其中y0=x，收斂的點為yc，則

收斂停止的條件是‖yk+1-yk‖≤thr，其中thr是給定允許誤差（閾值）。

2.2.2 改進的MS 算法

1）帶寬的設(shè)置。帶寬設(shè)置影響著Mean Shift 分割結(jié)果的好壞。為了獲取影像的全局特征和局部特征，帶寬值必須靈活調(diào)整。空間帶寬決定了對點x的密度梯度估計矩形區(qū)域的大小。面向農(nóng)業(yè)的各類地物的尺度各異，空間帶寬扮演著分割尺度的角色。如果選擇的空間帶寬與某類地物的分辨率大小一致，就可完整地將該類地物分割出來。否則容易造成過分割和欠分割。

本研究遵循空間帶寬決定了算法迭代過程中計算數(shù)據(jù)量的大小這一原則，靈活設(shè)置帶寬。空間帶寬大，參與迭代的數(shù)據(jù)量大，速度慢；反之，參與迭代的數(shù)據(jù)量小，速度快。

2）多維特征組合。本研究考慮了像素點位置信息和影像顏色信息兩類特征的組合。

Mean Shift 可同時考慮影像的位置空間和值域空間信息，因此針對本研究使用的面向農(nóng)業(yè)應(yīng)用的無人機遙感影像，式（5）中的x由二維位置向量xs和三維顏色向量xr組合而成，對應(yīng)地塊的位置信息以及地塊內(nèi)農(nóng)作物的顏色特性。則式（5）變?yōu)椋?/p>

式中，hs為二維位置空間的空間帶寬，hr為三維顏色空間的值域帶寬。

3）區(qū)域合并。區(qū)域合并用于處理過分割現(xiàn)象，主要考慮以下三方面。①區(qū)域重心最小距離法：設(shè)定區(qū)域內(nèi)最小像素數(shù)閾值為N。當(dāng)某區(qū)域的像素數(shù)小于該閾值時，計算該區(qū)域與其所有鄰近區(qū)域的重心點距離，將其合并到重心距離最短的區(qū)域中，如圖3 中的綠色區(qū)域。②區(qū)域包含法：若區(qū)域A 被區(qū)域B包含，則將區(qū)域A 內(nèi)所有像素點全部賦予B，如圖4中的綠色區(qū)域A。③鄰域投票法：將以像素p 為中心的區(qū)域A 內(nèi)次數(shù)出現(xiàn)最多的類別賦予像素p。圖5，區(qū)域中心p 類別為1，經(jīng)統(tǒng)計其周邊8 個像素點位置的類別，將類別2 賦予像素p。

圖3 區(qū)域重心最小距離法

圖4 區(qū)域包含法

圖5 鄰域投票法

2.3 后處理

后處理主要包括二值化和尺寸合并。評價地塊邊界提取結(jié)果前，需對影像數(shù)據(jù)做二值化處理，將影像中所提取的邊界像素分離出來作為前景像素，非邊界像素部分作為背景像素。尺寸合并指將所有二值化子圖像合并成一張完整的二值化影像。

3 結(jié)果與分析

本研究試驗結(jié)果評價為定性評價，是針對基于改進MS的影像分割后邊界提取結(jié)果。試驗中，空間帶寬hs和值域帶寬hr均取值8，區(qū)域內(nèi)最小像素數(shù)N閾值取500，鄰域是邊長為3 像素的矩形。圖6是試驗區(qū)域的地塊邊界提取結(jié)果。圖6a 為試驗區(qū)域原圖；經(jīng)過改進的MS 算法分割，并利用區(qū)域重心最小距離法和區(qū)域包含法處理后，得到圖6b的第一次區(qū)域合并結(jié)果；經(jīng)過鄰域投票法處理后，得到圖6c的第二次區(qū)域合并結(jié)果；最后，通過后處理得到圖6d的田塊邊界提取結(jié)果。從圖6 可以看出，該方法可以很好地將各田塊邊界提取出來。以序號1～9為例，序號3 顯示3 個小面積田塊的邊界被成功提取。序號7 表明該方法對形狀不規(guī)則地塊邊界的提取效果明顯。序號8 和9 表明形狀不規(guī)則且特征存在干擾時，該方法仍能取得較好結(jié)果。從圖6 也可以看出，部分田塊邊界未被成功提取，如序號-1 和-3 將多個田塊劃分為同一區(qū)域，而序號-2 提取的田塊區(qū)域缺失明顯。在后續(xù)工作中，將引入多時序多特征組合用于改進邊界提取效果。

圖6 地塊邊界提取結(jié)果

4 小結(jié)

以UAV 遙感影像作為數(shù)據(jù)源，提出了一種基于改進Mean Shift的無人機農(nóng)業(yè)應(yīng)用遙感影像地塊邊界自動化提取，試驗證明該方法可快速準(zhǔn)確地提取地塊邊界，對形狀不規(guī)則和特征存在干擾的情形仍具有邊界提取優(yōu)勢，可為其他學(xué)者開展農(nóng)田地塊邊界研究提供支持和啟發(fā)。