呂雅慧 張 超,2 鄖文聚 李鵬山 桑玲玲 陳英義

(1.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083； 2.國土資源部農(nóng)用地質(zhì)量與監(jiān)控重點(diǎn)實(shí)驗(yàn)室， 北京 100035；3.國土資源部土地整治中心， 北京 100035； 4.成都市國土規(guī)劃地籍事務(wù)中心， 成都 610074)

0 引言

農(nóng)田防護(hù)與生態(tài)環(huán)境保護(hù)是高標(biāo)準(zhǔn)農(nóng)田建設(shè)和土地整治工程的重要內(nèi)容，其中農(nóng)田林網(wǎng)工程是建設(shè)重點(diǎn)[1]。農(nóng)田林網(wǎng)能夠降低風(fēng)速、減小土壤風(fēng)蝕、平緩溫濕變化以及增加農(nóng)田生物多樣性，實(shí)現(xiàn)農(nóng)田生態(tài)系統(tǒng)的可持續(xù)發(fā)展[2]。此外，農(nóng)田林網(wǎng)的合理布設(shè)可以增加土地整治區(qū)廊道的數(shù)量、長度和密度，豐富廊道類型，提高廊道的連通性，能起到改善土地整治區(qū)景觀結(jié)構(gòu)、美化景觀環(huán)境的作用[3-4]。農(nóng)田林網(wǎng)信息的準(zhǔn)確獲取可為高標(biāo)準(zhǔn)農(nóng)田建設(shè)和土地整治項(xiàng)目監(jiān)管及效益評(píng)價(jià)提供基礎(chǔ)數(shù)據(jù)。

農(nóng)田林網(wǎng)具有林地的光譜及高分辨率遙感影像紋理特征。任芯雨[5]基于GF-2影像，對(duì)比時(shí)間序列模型和機(jī)器學(xué)習(xí)與多種分類方法相結(jié)合的方案，實(shí)現(xiàn)了城市森林的有效分類；林雪[6]以GF-1影像為基礎(chǔ)，結(jié)合多尺度紋理特征的面向?qū)ο蠓诸惙椒▽?shí)現(xiàn)森林資源的有效提?。蝗螞_[7]以SPOT5、GF-1和Landsat TM/OLI等為主要數(shù)據(jù)源，綜合利用各類信息及輔助數(shù)據(jù)，對(duì)比了多種分類方法在森林精細(xì)識(shí)別中的適用情況。以上研究均圍繞森林提取展開，雖對(duì)農(nóng)田林網(wǎng)識(shí)別具有借鑒意義，但農(nóng)田林網(wǎng)具有條帶狀、不連續(xù)等特點(diǎn)，森林遙感分類的方法并不能完全適用且效果不佳。農(nóng)田林網(wǎng)與道路、溝渠等具有相似的條帶狀或線狀高分辨率遙感影像特征：VALERO等[8]利用形態(tài)學(xué)方法提取了道路；SHAO等[9]設(shè)計(jì)了一種適用于道路提取的線狀特征快速提取方法；SINGH等[10]利用道路不透水面的特征，構(gòu)建了兩階段道路提取架構(gòu)；吳健生等[11]基于面向?qū)ο蠓椒ㄑ芯苛宿r(nóng)田灌排溝渠系統(tǒng)自動(dòng)提取。以上研究多利用地物與背景之間的光譜差異實(shí)現(xiàn)分類，不適用于以作物種植農(nóng)田為背景，且背景與目標(biāo)地物光譜相近的林網(wǎng)識(shí)別。目前，基于遙感技術(shù)的農(nóng)田林網(wǎng)自動(dòng)識(shí)別相關(guān)研究較少，WISEMAN等[12]定量描述了農(nóng)田防護(hù)林網(wǎng)的特征；鄧榮鑫等[13]用假彩色合成LandSat TM和ETM+影像，采用人機(jī)交互的方法提取農(nóng)田防護(hù)林；姜魯光等[14]以LandSat TM為數(shù)據(jù)源，通過面向?qū)ο蠓诸惻c目視判讀結(jié)合的方法提取了林線；幸澤峰等[15]基于ZY-3多光譜影像提取了東北地區(qū)的農(nóng)田防護(hù)林。以上研究均為高分辨率遙感影像農(nóng)田林網(wǎng)的識(shí)別提供了思路。但在高分辨率遙感影像中，農(nóng)田林網(wǎng)的紋理等空間信息豐富，且與農(nóng)田具有相近的光譜特征，已有研究仍難以滿足精度和效率需求。

針對(duì)農(nóng)田林網(wǎng)在高分辨率遙感數(shù)據(jù)中的影像特征，本文擬利用光譜及紋理信息，設(shè)計(jì)基于歸一化差值植被指數(shù)(Normalized difference vegetation index，NDVI)和二維熵的決策樹分類方法，初步提取條帶狀農(nóng)田林網(wǎng)；進(jìn)一步構(gòu)建形態(tài)學(xué)處理[16-18]方法，以期最終實(shí)現(xiàn)農(nóng)田林網(wǎng)的自動(dòng)識(shí)別。

1 數(shù)據(jù)及研究區(qū)概況

采用美國GeoEye-1衛(wèi)星遙感影像作為數(shù)據(jù)源，采集時(shí)間為2014年7月13日，原始影像數(shù)據(jù)包括0.5 m的全色影像和2 m的4波段多光譜影像。對(duì)二者進(jìn)行融合處理，獲得0.5 m的多光譜影像，最后通過幾何校正，得到研究區(qū)的高分辨率遙感影像數(shù)據(jù)。此外，還采用1∶10 000的2014年耕地質(zhì)量等別年度更新數(shù)據(jù)作為輔助數(shù)據(jù)。

研究區(qū)位于甘肅省臨澤縣河西走廊中部，巴丹吉林沙漠南緣，地理坐標(biāo)為100°12′ ～ 100°15′E，39°16′ ～ 39°18′N。該區(qū)域?qū)俅箨懶曰哪菰瓪夂?，干燥少雨，蒸發(fā)量大。主要災(zāi)害性天氣有大風(fēng)、沙塵暴等。臨澤縣耕地面積近20 000 hm2，主要種植作物為玉米，近些年先后開展農(nóng)村土地整治項(xiàng)目近30余個(gè)，形成了現(xiàn)代化生態(tài)農(nóng)業(yè)發(fā)展格局，農(nóng)田林網(wǎng)是該區(qū)域高標(biāo)準(zhǔn)農(nóng)田建設(shè)和土地整治工程的重要內(nèi)容之一。該區(qū)域農(nóng)田防護(hù)林網(wǎng)目前處于成熟期、過熟期，“缺株斷行、缺行斷帶”的現(xiàn)象突出，防護(hù)效能衰退等問題嚴(yán)重[19]。本文基于當(dāng)?shù)匾?guī)?；途换纳a(chǎn)生活模式，綜合考慮在地物種類、面積規(guī)模和林地分布等方面的適宜性，最終確定具有區(qū)域代表性的3塊研究區(qū)進(jìn)行實(shí)例驗(yàn)證(①、②、③號(hào)研究區(qū))，位置和數(shù)據(jù)如圖1所示。

圖1 研究區(qū)地理位置和高分辨率遙感影像圖Fig.1 Geographical position and high-resolution remote sensing image of study region

2 工作流程與研究方法

2.1 技術(shù)路線

首先，基于高分辨率遙感影像的光譜及紋理特征進(jìn)行決策樹分類，并通過分類后處理初步提取農(nóng)田林網(wǎng)：利用多光譜影像計(jì)算的NDVI區(qū)分植被類與非植被類，利用全色影像的二維熵將植被類細(xì)分到農(nóng)田類與林地類，進(jìn)一步通過分類后處理和輔助數(shù)據(jù)的篩選，得到條帶狀農(nóng)田林網(wǎng)的初步識(shí)別結(jié)果；其次，針對(duì)初步識(shí)別結(jié)果的不連續(xù)問題，采用膨脹、細(xì)化等形態(tài)學(xué)手段，得到連續(xù)且抽象成線狀的農(nóng)田林網(wǎng)；最后對(duì)識(shí)別結(jié)果進(jìn)行精度評(píng)價(jià)。具體技術(shù)路線如圖2所示。

圖2 技術(shù)路線Fig.2 Technology route

2.2 農(nóng)田林網(wǎng)初步識(shí)別

7月是研究區(qū)農(nóng)田作物和樹木的生長茂盛期。NDVI能夠反映地表植被覆蓋及長勢(shì)狀況，通過設(shè)定閾值可有效區(qū)分道路、村莊等非植被類和農(nóng)田、林地等植被類[20-21]。NDVI計(jì)算式為

(1)

式中NIR——近紅外波段反射率R——紅光波段的反射率

在高分辨率遙感影像中，農(nóng)田和林地的紋理特征差異明顯：農(nóng)田作物種植規(guī)整且生長狀況均一，對(duì)應(yīng)紋理細(xì)膩平滑；林木種植零散，對(duì)應(yīng)紋理分異粗糙。圖像熵反映了圖像的平均信息量，一維熵表示圖像中灰度分布聚集特征所包含的信息量，但不能反映其空間特征，二維熵把鄰域灰度均值作為圖像的空間特征向量，與圖像一維特征向量組合成特征二元組，能夠定量表達(dá)圖像的紋理特征[22-23]，從而在植被類中區(qū)分農(nóng)田與林地。二維熵的計(jì)算式為

(2)

其中

式中pij——某像素點(diǎn)灰度與其周圍像素灰度分布的綜合特征

i——某點(diǎn)像素灰度

j——某點(diǎn)鄰域灰度

f(i，j)——二元組(i，j)出現(xiàn)的頻數(shù)

N——鄰域尺度

對(duì)融合得到的多光譜影像計(jì)算NDVI，對(duì)全色影像計(jì)算二維熵，并通過實(shí)驗(yàn)獲得二值化閾值，據(jù)此構(gòu)建分類決策樹。林地分類結(jié)果中不可避免地存在一些微小圖斑，本文采用聚類、過濾等分類后處理予以解決；同時(shí)參考耕地質(zhì)量等別年度更新數(shù)據(jù)，刪除在村莊和農(nóng)田中零星分布的樹木及成片分布的樹林，得到條帶狀農(nóng)田林網(wǎng)類的初步識(shí)別結(jié)果。

2.3 基于形態(tài)學(xué)的精細(xì)化處理

膨脹、腐蝕、開變換和閉變換等形態(tài)學(xué)處理，可有效改善圖像識(shí)別效果。本文基于農(nóng)田林網(wǎng)初步識(shí)別的二值化圖像，通過形態(tài)學(xué)膨脹、腐蝕等方法實(shí)現(xiàn)斷線連接和去除噪聲等。圖像細(xì)化是一種受某些條件約束的收縮算法，要求在保持圖像區(qū)域連通性的前提下，抽象出圖像的中心線，實(shí)現(xiàn)線狀特征的提取，原理為

W=A-A↑B

(3)

式中W——二值圖像細(xì)化后的像素集合A——原始圖像二值化后的像素集合B——用來進(jìn)行細(xì)化處理的二值結(jié)構(gòu)元素，是有一個(gè)中心的任意形狀圖形式中， ↑表示擊中擊不中變換。細(xì)化處理的實(shí)質(zhì)就是在A的全部像素點(diǎn)中，除去擊中擊不中變換結(jié)果之后的集合。圖像的擊中擊不中變換是尋找在待處理圖像A中結(jié)構(gòu)元素B出現(xiàn)位置的運(yùn)算，是對(duì)B形狀的匹配，擊中是指A中包含B，擊不中則是指A中不包含B。本文在形態(tài)學(xué)基本處理的基礎(chǔ)上，通過圖像細(xì)化得到光滑、無毛刺且完全八鄰連接的林網(wǎng)線劃骨架，即農(nóng)田林網(wǎng)識(shí)別的最終結(jié)果。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 農(nóng)田林網(wǎng)初步識(shí)別結(jié)果

通過實(shí)驗(yàn)得到如圖3所示計(jì)算結(jié)果(以①號(hào)研究區(qū)為例)，當(dāng)NDVI大于0.6可以將地物分為道路、村莊等非植被類和農(nóng)田、林地等植被類；采用5×5窗口計(jì)算二維熵，利用二維熵值大于1.6可將植被類進(jìn)一步劃分為農(nóng)田類和林地類。據(jù)此構(gòu)建如圖4所示決策樹規(guī)則，并結(jié)合輔助數(shù)據(jù)進(jìn)行分類后處理和條帶狀林網(wǎng)的篩選，得到如圖5所示的初步識(shí)別結(jié)果。在連片性好的農(nóng)田區(qū)域，林網(wǎng)識(shí)別情況好，反之則較差。但識(shí)別結(jié)果中存在明顯的斷點(diǎn)、離散點(diǎn)和毛刺等問題。

圖3 NDVI和二維熵的二值化結(jié)果(以①號(hào)研究區(qū)為例)Fig.3 Binaryzation results of NDVI and two-dimensional entropy (taking No.① research area as an example)

圖4 決策樹分類模型Fig.4 Decision tree model

圖5 初步識(shí)別結(jié)果Fig.5 Preliminary extraction results

3.2 農(nóng)田林網(wǎng)形態(tài)學(xué)處理和細(xì)化

針對(duì)初步識(shí)別結(jié)果中存在的問題，通過膨脹、腐蝕等基本形態(tài)學(xué)處理，去除圖像噪聲及離散點(diǎn)，同時(shí)填充斷點(diǎn)、平滑邊界，結(jié)果如圖6(左)所示，尤其是在連片農(nóng)田區(qū)域，實(shí)現(xiàn)了林網(wǎng)條帶基本幾何特征的提取；進(jìn)一步通過抽取線劃骨架，實(shí)現(xiàn)農(nóng)田林網(wǎng)細(xì)化處理，結(jié)果如圖6(右)所示。由此不僅抽象量化了林網(wǎng)的識(shí)別結(jié)果，也使其線性特征更加明顯，同時(shí)有效改良了斷點(diǎn)、噪聲和毛刺等問題，獲得了精細(xì)化的農(nóng)田林網(wǎng)識(shí)別結(jié)果。

圖6 形態(tài)學(xué)處理結(jié)果(左)和細(xì)化結(jié)果(右)Fig.6 Morphological processing results (left) and thinning results (right)

3.3 精度評(píng)價(jià)

通過實(shí)地調(diào)研與目視解譯相結(jié)合的方式，獲得各研究區(qū)的林網(wǎng)實(shí)測(cè)數(shù)據(jù)，并在各研究區(qū)內(nèi)分別選取2個(gè)樣區(qū)(即1號(hào)樣區(qū)～6號(hào)樣區(qū))，從數(shù)量和空間兩方面對(duì)農(nóng)田林網(wǎng)的識(shí)別結(jié)果進(jìn)行精度評(píng)價(jià)，如圖7所示。

圖7 樣區(qū)分布(左)及識(shí)別結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比(右)Fig.7 Distributions of field samples (left) and comparison charts of recognation results with measured data (right)

在數(shù)量驗(yàn)證方面，對(duì)各樣區(qū)的識(shí)別林網(wǎng)進(jìn)行長度統(tǒng)計(jì)，與相應(yīng)實(shí)測(cè)林網(wǎng)總長度進(jìn)行對(duì)比，6個(gè)樣區(qū)的正確率均在92%以上，平均正確率達(dá)到92.97%；在空間驗(yàn)證方面，用緩沖區(qū)、疊加分析和標(biāo)識(shí)等手段量化空間吻合度，對(duì)林網(wǎng)識(shí)別結(jié)果做5 m閾值的緩沖區(qū)，統(tǒng)計(jì)實(shí)測(cè)林網(wǎng)落在識(shí)別林網(wǎng)緩沖區(qū)內(nèi)長度與實(shí)測(cè)林網(wǎng)總長度之比，用于表示識(shí)別結(jié)果與實(shí)測(cè)數(shù)據(jù)的空間吻合度，6個(gè)樣區(qū)的空間吻合度均在86%以上，平均吻合度達(dá)到93.13%，具體如表1所示。

4 結(jié)論

(1)根據(jù)農(nóng)田林網(wǎng)在高分辨率遙感影像中的光譜和紋理特性，利用研究區(qū)不同地類NDVI和二維熵的可分性邏輯規(guī)則，構(gòu)建相應(yīng)決策樹，結(jié)合分類后處理及耕地圖斑等輔助數(shù)據(jù)，刪除分布在村莊和農(nóng)田中的離散樹木和成片樹林，實(shí)現(xiàn)帶狀農(nóng)田林網(wǎng)的初步識(shí)別。

表1 精度統(tǒng)計(jì)Tab.1 Precision statistics

(2)針對(duì)初步識(shí)別結(jié)果中的斷點(diǎn)、離散點(diǎn)和毛刺等問題，設(shè)計(jì)了基于膨脹、腐蝕等形態(tài)學(xué)處理和細(xì)化抽象相結(jié)合的方法，得到單像素寬度且具有線狀特性的最終識(shí)別結(jié)果，識(shí)別精度均在92%以上，平均精度達(dá)到92.97%；空間位置吻合度均在86%以上，平均吻合度達(dá)到93.13%。

1 中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國國家標(biāo)準(zhǔn)化委員會(huì). 高標(biāo)準(zhǔn)農(nóng)田建設(shè)通則：GB/T 30600—2014[S].北京：中國標(biāo)準(zhǔn)出版社，2014.

2 劉文平,宇振榮,鄖文聚,等.土地整治過程中農(nóng)田防護(hù)林的生態(tài)景觀設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(18)：233-240． LIU Wenping,YU Zhenrong,YUN Wenju, et al.Ecological and landscape design of farmland shelterbelt in land consolidation [J].Transactions of the CSAE,2012,28(18):233-240.(in Chinese)

3 SHI X,LI Y,DENG R.A method for spatial heterogeneity evaluation on landscape pattern of farmland shelterbelt networks: a case study in Midwest of Jilin Province, China[J].Chinese Geographical Science,2011,21(1):48-56.

4 王軍,嚴(yán)慎純,白中科,等.土地整理的景觀格局與生態(tài)效應(yīng)研究綜述[J].中國土地科學(xué),2012,26(9):87-94. WANG Jun,YAN Shenchun,BAI Zhongke, et al.Review on landscape patterns of land consolidation and the ecological effects [J].China Land Sciences,2012,26(9):87-94. (in Chinese)

5 任芯雨.考慮植被季相節(jié)律的高分辨率遙感影像城市森林分類[D].南京:南京林業(yè)大學(xué),2016. REN Xinyu.Urban forest vegetation classification in consideration of vegetation phenology based on high spatial resolution satellite imagery [D].Nanjing:Nanjing Forestry University,2016.(in Chinese)

6 林雪.面向林地信息的高分一號(hào)遙感影像融合與分類研究[D].北京:北京林業(yè)大學(xué),2016. LIN Xue.Study on fusion algorithms and classification methods for GF-1 data oriented to forestland informmation[D].Beijing:Beijing Forestry University,2016.(in Chinese)

7 任沖.中高分辨率遙感影像森林類型精細(xì)分類與森林資源變化監(jiān)測(cè)技術(shù)研究[D].北京:中國林業(yè)科學(xué)研究院,2016. REN Chong.Forest types precise classification and forest resources change monitoring based on medium and high spatial resolution remote sensing images[D].Beijing:Chinese Academy of Forestry Sciences,2016.(in Chinese)

8 VALERO S,CHANUSSOT J,BENEDIKTSSON J, et al.Advanced directional mathematical morphology for the detection of the road network in very high resolution remote sensing images[J].Pattern Recognition Letters,2010,31(10):1120-1127.

9 SHAO Y,GUO B,HU X, et al.Application of a fast linear feature detector to road extraction from remotely sensed imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing,2011, 4(3):626-631.

10 SINGH P P,GARG R D.A two-stage framework for road extraction from high-resolution satellite images by using prominent features of impervious surfaces[J].International Journal of Remote Sensing,2014,35(35):8074-8107.

11 吳健生,劉建政,黃秀蘭.基于面向?qū)ο蠓诸惖耐恋卣韰^(qū)農(nóng)田排灌系統(tǒng)自動(dòng)化識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(8):25-31． WU Jiansheng,LIU Jianzheng,HUANG Xiulan.Automatic identification of irrigation and drainage system in land reclamation area based on object-oriented classification[J].Transactions of the CSAE,2012,28(8): 25-31. (in Chinese)

12 WISEMAN G,KORT J,WALKER D.Quantification of shelterbelt characteristics using high-resolution imagery[J].Agriculture Ecosystems & Environment,2009,131(1):111-117.

13 鄧榮鑫,李穎,張樹文,等.農(nóng)田防護(hù)林經(jīng)營階段的遙感識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(增刊2):64-68． DENG Rongxin,LI Ying,ZHANG Shuwen, et al.Recognition of managing phase of shelterbelt by remote sensing[J].Transactions of the CSAE,2012,28(Supp.2):64-68.(in Chinese)

14 姜魯光,劉曉娜,封志明.三江并流區(qū)高山林線的遙感識(shí)別及其空間格局分析[J].資源科學(xué),2014,36(2):259-266． JIANG Luguang,LIU Xiaona,FENG Zhiming.Remote sensing identification and spatial pattern analysis of the alpine timberline in the three parallel rivers region[J]. Resources Science,2014,36(2):259-266.(in Chinese)

15 幸澤峰,李穎,鄧榮鑫,等.基于ZY-3影像的農(nóng)田防護(hù)林自動(dòng)提取[J].林業(yè)科學(xué),2016,52(4):11-20． XING Zefeng,LI Ying,DENG Rongxin, et al.Extracting farmland shelterbelt automatically based on ZY-3 remote sensing images[J].Scientia Silvae Sinice,2016,52(4):11-20．(in Chinese)

16 吳露露,馬旭,齊龍,等.基于葉片形態(tài)的田間植物檢測(cè)方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(11):241-246,240. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20131141&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2013.11.041. WU Lulu, MA Xu, QI Long, et al. Field plants detection based on leaf morphology[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2013,44(11):241-246,240.(in Chinese)

17 李麗,柴文婷,梅樹立.基于自適應(yīng)全局閾值融合標(biāo)記的遙感圖像建筑群分割[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(7):222-228.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20130739&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2013.07.039. LI Li,CHAI Wenting,MEI Shuli.Segmentation of remote sensing images based on adaptive global threshold and fused markers[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2013,44(7):222-228.(in Chinese)

18 羅陸鋒,鄒湘軍,王成琳,等.基于輪廓分析的雙串疊貼葡萄目標(biāo)識(shí)別方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(6):15-22.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170602&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.06.002. LUO Lufeng,ZOU Xiangjun,WANG Chenglin, et al.Recognition method for two overlaping and adjacent grape clusters based on image contour analysis[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(6):15-22.(in Chinese)

19 張掖市人民政府.關(guān)于加快農(nóng)田林網(wǎng)更新改造的意見[R].2015-05-04.

20 申健,常慶瑞,李粉玲,等.基于時(shí)序NDVI的關(guān)中地區(qū)冬小麥種植信息遙感提取[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(3):215-220,260.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170327&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.03.027. SHEN Jian,CHANG Qingrui,LI Fenling,et al.Extraction of winter wheat information based on time-series NDVI in Guanzhong area[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(3):215-220,260.(in Chinese)

21 黃健熙,侯矞焯,武洪峰,等.基于時(shí)間序列MODIS的農(nóng)作物類型空間制圖方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(10):142-147,285.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20171017&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.10.017. HUANG Jianxi,HOU Yuzhuo,WU Hongfeng,et al.Crop type mapping method based on time-series MODIS data in Heilongjiang Province[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(10):142-147,285.(in Chinese)

22 胡清平,張曉暉.基于熵空間理論和小波變換的紅外圖像紋理分割[J].紅外技術(shù),2013,35(8):497-501. HU Qingping,ZHANG Xiaohui.The texture segmentation of infrared image based on the theory of entropy space and CWT[J].Infrared Technology,2013,35(8):497-501.(in Chinese)

23 吳澤鵬,郭玲玲,朱明超,等.結(jié)合圖像信息熵和特征點(diǎn)的圖像配準(zhǔn)方法[J].紅外與激光工程,2013,42(10):2846-2852. WU Zepeng,GUO Lingling,ZHU Mingchao, et al.Improved image registration using feature points combined with image entropy[J].Infrared and Laser Engineering,2013,42(10):2846-2852.(in Chinese)