基于图像特征的越冬期冬小麦冠层含水率检测

以越冬期冬小麦冠层可见光图像为对象，研究基于图像特征的含水率检测方法。采用同态滤波与多尺度Retinex相结合的光照增强算法，消除自然条件下光照不均匀和颜色失真的影响，提取颜色、纹理和形态等39个初始图像特征，采用相关分析和假设检验进行显著特征筛选，并运用偏最小二乘回归建立冠层含水率检测模型。对淮麦30和烟农19 2个冬小麦品种的测试结果显示，检测相对误差均值为1.290%，方差为1.053，2个品种之间没有明显差异，而晴天、中午的检测误差稍大，表明研究的方法具有较高的检测精度和良好的适应性