基于旋翼无人机的农业低空高光谱遥感技术

无人机设备具备便捷、能够低空飞行等特征，在农业领域中得到了广泛应用。利用旋翼无人机搭载各类高光谱遥感设备，能通过反射光谱探测各类农作物信息。本文简单介绍了基于旋翼无人机的农业低空高光谱遥感技术。

高光谱遥感图像的采集

在高光谱遥感图像的采集过程中，可以通过旋翼无人机实现相关工作，而在实际采集过程中，应当精细化控制无人机的飞行参数和飞行路线。通常情况下，采用的采集方式主要为定点采集，也就是在无人机进入预设地点后，对相机发出对应的拍摄指令，这种方式能够保证图像重叠率，在提高整体采集效率与采集质量的同时，获取更高质量的采集图像。而高光谱遥感图像的采集工作，主要包括以下内容：

1）确定无人机的飞行参数。其中主要包括无人机的飞行速度、图像重叠率以及飞行高度等内容，在确定参数的过程中，应当注意这部分参数并非互相独立的，而是处在一种互相影响的状态中。所以，这就需要结合任务的实际需求以及设备自身的性能展开综合考量。站在实际应用的角度上来看，其中应当优先确定好重叠率，以此确保图像精度不会受到影响，结合分辨率来确定具体的飞行高度，最后结合相机的工作频率来确定飞行速度。

2）飞行路线的规划。飞行路线主要在结合相关飞行参数的基础上确定，在日常应用中，大多都会采取“之”字形的飞行路线，这样能够全面拍摄农田区域，做到不留死角。

3）确定相机的参数。其中需要重点确定的是相机的曝光时间以及焦距等，焦距决定了图像采集的清晰程度，在后续确定焦距的过程中，不能采用自动化的对焦模式，这是由于自动化对焦会延长图像的拍摄时间，容易出现丢图问题。同时，还要确定好曝光时间，如果曝光时间较长就会丧失一部分遥感信号，曝光时间过短也会降低图像的信噪比。在后续的参数选择过程中，应当注意不同参数的影响，在其中找寻出一个平衡点，以此更加高效地开展高光谱的遥感图像采集工作。

高光谱遥感图像的预处理

由于周边环境因素以及相机传感器自身存在的问题，图像很容易产生失真问题，为后续数据信息分析工作的顺利开展带来了一定程度的误差。因此，需要对采集到的高光谱遥感图像展开预处理。通常情况下，高光谱遥感图像所产生的失真问题，主要在于辐射亮度不均匀以及几何畸变多，需要对其展开针对性处理。

1）几何畸变及矫正。由于镜头透镜在生产安装阶段中存在一定程度的误差，使得实际成像点与理论成像点之间并没有完全重合，通常会出现小幅度偏移，而这种偏移还存在一定规律，可以结合规律计算机变系数。在计算机变系数的过程中，应当建立对应的像素坐标系、相机坐标系以及图像坐标系，以此标定相机。而为了保证相机的标定精度不会受到影响，就要采用传统的相机标定方式，结合具体的畸变情况计算出准确的几何畸变系数，逐步更新相机的内部参数与外部参数。

2）光谱图像的渐晕校正。渐晕主要指图像中间部位明亮，而边缘部分较为阴暗的现象，由于旋翼无人机所用相机普遍为小型化与轻量化相机，这也增加了渐晕问题的发生概率。同时，在实际工作中，光谱相机中往往添加了滤光片，这也加大了渐晕现象产生的影响，而渐晕现象出现的主要原因就在于进入相机当中的光线会随着视角的不断提升而降低强度，从而引发渐晕。根据渐晕现象的具体成因，可以将其划分为像素渐晕、光学渐晕以及自然渐晕等多种类型，这就需要针对光谱遥感图像来展开渐晕校正。近年来，在发展进程中，通过Retinex图像增强算法可以对原图像的亮度分量以及反射分量进行估算，然后通过对于不同尺度的SSR计算，并加权平均来实现渐晕校正，基本上能够消除光谱失真问题，实现旋翼无人机低空高光谱遥感图像的渐晕校正。

辐射一致性处理技术

在高光谱遥感图像采集工作中，由于天气变化，太阳光照度也会出现一定程度的变化，这也使得遥感图像当中出现了一种明暗程度不够均匀的问题，为了有效解决这方面问题，应当展开辐射一致性处理。站在实际情况的角度上来看，为了更好地达到辐射一致性，通常都会采用直方图匹配法或是图像回归法等方式进行处理，其中直方图匹配法相对较为简便，但很容易导致整体图像出现灰度失真的问题；而图像回归法则是利用算法来构建出辐射校正因子，整体精准度比较高，但由于其中需要采用人工选取样本的方式，大大增加了工作量。而一些新技术也相继出现，目前研究人员通过对于环境照度以及图像DN值相应关系的深入研究，在进行多次实验过后，以第一波段当中的图像作为标准进行辐射一致性的校正处理，并且取得了较为优异的效果。