近年來,草地調(diào)查和監(jiān)測工作中主要基于衛(wèi)星遙感光譜圖像,但其整體分辨率略低、成本高,具有一定的局限性。而近距離獲取的高分辨率高光譜圖像可彌補(bǔ)圖像分辨率較低的缺陷,目前研究較少。因此,本研究通過結(jié)合高光譜成像技術(shù)和機(jī)器學(xué)習(xí),提出了一種基于方差選擇與高斯樸素貝葉斯的草地牧草高光譜圖像快速準(zhǔn)確識別方法。首先,利用高光譜成像系統(tǒng)采集可見-近紅外光譜（400～1 000 nm）的草地高光譜圖像,通過基于方差選擇的降維方法優(yōu)化特征中的有效信息;然后,采用高斯樸素貝葉斯（gaussian naive bayes,GaussianNB）和支持向量機(jī)（support vector machine,SVM）并結(jié)合K折交叉驗(yàn)證法分別建立識別模型;最后,通過Kappa系數(shù)、OA、測試時間等指標(biāo)進(jìn)行模型評價。預(yù)處理環(huán)節(jié)中對比多元散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）、歸一化（normalize）、Savitzky-Golay平滑濾波（SG）和移動窗口平滑光譜矩陣（nirmaf）5種方法,其中MSC預(yù)處理提高信噪比和保障預(yù)測模型的精度與穩(wěn)定性最優(yōu)。特征選擇與提取中,采用基于方差選擇的主成分分析白化（V-pc... 

【文章來源】：光電子·激光. 2020,31(07)北大核心CSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引 言
2 實(shí)驗(yàn)部分
    2.1 材 料
    2.2 高光譜圖像采集與標(biāo)定
    2.3 光譜數(shù)據(jù)處理及模型建立
        2.3.1 光譜的選擇
        2.3.2 高光譜數(shù)據(jù)的降維
        2.3.3 模型建立與評價
3 結(jié)果與討論
    3.1 高光譜數(shù)據(jù)預(yù)處理
    3.2 牧草種類V-pcaw分析
    3.3 分類模型建立
4 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]高光譜數(shù)據(jù)處理算法的小麥赤霉病籽粒識別[J]. 劉爽,譚鑫,劉成玉,朱春霖,李文昊,崔帥,杜懿峰,黃殿成,謝鋒.  光譜學(xué)與光譜分析. 2019(11)
[2]加快構(gòu)筑北方草原生態(tài)安全屏障產(chǎn)業(yè)和技術(shù)融合發(fā)展體系的思考[J]. 侯向陽,祁智,梁存柱,邢旗.  草業(yè)科學(xué). 2019(11)
[3]基于A-Clenet5的荒漠化草原草種識別與分類[J]. 劉浩,杜建民,皮偉強(qiáng),朱相兵,張錫鵬,康擁朝.  光電子·激光. 2019(10)
[4]基于特征整合的卷積神經(jīng)網(wǎng)絡(luò)草地分類算法[J]. 張猛,錢育蓉,杜嬌,范迎迎.  計(jì)算機(jī)工程與科學(xué). 2019(07)
[5]基于LSP與GLCM融合的禾本科牧草種子特征提取算法[J]. 陳桐,潘新,馬玉寶,閆偉紅.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2019(07)
[6]融合PCA、LDA和SVM算法的人臉識別[J]. 徐竟?jié)?吳作宏,徐巖,曾建行.  計(jì)算機(jī)工程與應(yīng)用. 2019(18)
[7]高光譜成像的垃圾分類識別研究[J]. 趙冬娥,吳瑞,趙寶國,陳媛媛.  光譜學(xué)與光譜分析. 2019(03)
[8]基于無人機(jī)遙感與卷積神經(jīng)網(wǎng)絡(luò)的草原物種分類方法[J]. 楊紅艷,杜健民,王圓,張燕斌,張錫鵬,康擁朝.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(04)
[9]基于高光譜SMPI法的草原地表微斑塊識別與分類[J]. 皮偉強(qiáng),杜建民,陳程,朱相兵,劉浩.  光電子·激光. 2018(11)
[10]一種草地高光譜圖像分類方法[J]. 武林,馬玉寶,潘新,閆偉紅,段俊杰.  測繪科學(xué). 2018(09)



本文編號：3168107