Установка параметров гиперспектральной нагрузки для беспилотных летательных аппаратов

С использованием метода контрольных переменных получены гиперспектральные изображения беспилотных летательных аппаратов (БЛА) Rikola при различных параметрах. Для получения спек- тральных кривых полутоновых мишеней, наземных объектов, отношения сигнал/шум, информационной энтропии и резкости изображений использованы полутоновая мишень и количественная оценка качества изображения. Результаты сравнительного анализа показывают, что качество гиперспектральных данных о растительности лучше при определении времени гиперспектральной экспозиции Rikola с использованием 64% диффузной пластины, а режим зависания и круизный режим БЛА почти не влияют на качество данных. Показано, что при высоте полета в пределах 100 м над уровнем земли качество данных тем лучше, чем выше высота полета.

1. H. Y. Cen, L. Wan, J. P. Zhu, J. Plant Methods, 15, 1 (2019).

2. M. Li, Y. Q. Huang, X. M. Li, D. X. Peng, J. X. Xie, J. Trans. Chin. Soc. Agric. Eng., 34, No. 4, 108–114 (2018).

3. K. Uto, H. Seki, G. Saito, et al. Workshop on Hyperspectral Image & Signal Processing: Evolution in Remote Sensing (2017).

4. P. Mark, B. Dmitry, G. Kevin, K. J. Gaston, F. Gonzalez, J. Sensors, 18, No. 7, 20–26 (2018).

5. X. L. Hou, H. B. Luo, P. P. Zhou, J. Infrared Laser Eng., 46, No. 7, 263–269 (2017).

6. J. Y. Ning, The Research on Realization of the Auto-exposure Algorithm Based on Entropy, D. First Research Institute of China Aerospace Science and Technology Corporation, 75–87 (2016).

7. P. Walczykowski, K. Siok, A. Jenerowicz, J. Int. Arch. Photogrammetry, Remote Sensing Spatial Inform. Sci., 41, 1065–1069 (2016).

8. Y. Huang, X. H. Chen, Y. L. Liu, Z. H. Huang, M. Sun, Y. C. Su, J. Anhui Agric. Sci., 46, No. 11, 170–173 (2018).

9. B. Liu, Classification of Crops Based on UAV Remote Sensing Images, D. University of Chinese Academy of Sciences, 29–44 (2019).

10. J. Lee, S. Sung, J. Spatial Inform. Res., 24, No. 2, 141–154 (2016).

11. K. He, Research on Key Technologies of Aerial Remote Sensing System Based Small UAV, D. Chongqing University, 15–32 (2017).

12. J. J. Yang, Y. Q. Zhao, C. Yi, J. C. W. Chan, J. Remote Sens., 9, No. 4, 305 (2017).

13. X. H. Cao, X. H. Li, Z. H. Li, L. C. Jiao, Int. J. Remote Sens., 38, No. 12, 3656–3668 (2017).

14. X. Y. Wang, J. Q. Li, J. Li, J. IOP Conf. Ser. Mater. Sci. Eng., 466, 12–53 (2018).

15. H. Saari, I. Pölönen, H. Salo, et al. J. Proc. SPIE – The International Society for Optical Engineering, 8889, 6 (2013).

16. A. M. Poncet, K. Thorsten, B Christian, et al. J. Remote Sens., 16, 11 (2019).

17. B. Zhu, X. H. Wang, L. L. Tang, C. R. Li, J. Remote Sens. Technol. Appl., 25, No. 2, 303–309 (2010).

18. Q. Chen, Y. Q. Xue, J. Remote Sens., 4, 284–289 (2000).

19. B. R. Corner, Int. J. Remote Sens., 24, No. 4, 689–702 (2003).

20. D. Y. Tsai, Y. Lee, E Matsuyama, J. Digital Imaging, 21, No. 3, 338–347 (2008).

21. H. Gao, Q. G. Miao, J. C. Yang, Z. X. Ma, J. IEEE Access, 99, 1–5 (2018).

22. B. Y. Qin, R. Shang, S. Y. Li, B. Q. Hei, Z. W. Liu, Reliable Sharpness Automatic-Evaluation Method for Optical Remote Sensing Images, C. Image Processing & Analysis (2015).