基于HSV阈值法的无人机影像变色松树识别

[目的]提出一种色调-饱和度-明度(HSV)阈值划分方法,提高变色松树的调查效率,为疫木的砍伐提供数据支撑.[方法]基于变色松树与其他地类在"H-V空间"上的差异建立变色松树阈值提取规则;对比分析HSV阈值法和红-绿-蓝(RGB)阈值法在不同情景下提取得到的变色松树识别结果,并对识别结果的精度进行评价.[结果]① 变色松树样本在"H-V空间"散点云图中有明显的聚类现象,而在"G-R空间"散点云图中呈条带状分布.②RGB色彩空间中的R和G之间存在较强的相关性,直接采用阈值法提取变色松树时漏分误差较大.HSV阈值法由于在色彩变换过程中能够分离出色调值H和亮度值V,便于进行阈值划分,对基于无人机数据的变色松树识别的总体精度要优于RGB阈值法.③HSV阈值法对变色松树的识别适合于病死松树发展的后期监测,在对借助高分辨率影像提取的发病前松树分布进行掩膜后,可实现60％ ～65％的变色松树提取精度.[结论]HSV阈值法对于基于无人机影像的变色松树监测具有一定的优势,能提高人工判读的效率,可为基于无人机影像的变色松树监测提供理论和方法支撑.