基于方差选择和高斯朴素贝叶斯的草地牧草高光谱图像识别研究

发布时间：2021-04-29 20:17

　　近年来,草地调查和监测工作中主要基于卫星遥感光谱图像,但其整体分辨率略低、成本高,具有一定的局限性。而近距离获取的高分辨率高光谱图像可弥补图像分辨率较低的缺陷,目前研究较少。因此,本研究通过结合高光谱成像技术和机器学习,提出了一种基于方差选择与高斯朴素贝叶斯的草地牧草高光谱图像快速准确识别方法。首先,利用高光谱成像系统采集可见-近红外光谱（400～1 000 nm）的草地高光谱图像,通过基于方差选择的降维方法优化特征中的有效信息;然后,采用高斯朴素贝叶斯（gaussian naive bayes,GaussianNB）和支持向量机（support vector machine,SVM）并结合K折交叉验证法分别建立识别模型;最后,通过Kappa系数、OA、测试时间等指标进行模型评价。预处理环节中对比多元散射校正（MSC）、标准正态变量变换（SNV）、归一化（normalize）、Savitzky-Golay平滑滤波（SG）和移动窗口平滑光谱矩阵（nirmaf）5种方法,其中MSC预处理提高信噪比和保障预测模型的精度与稳定性最优。特征选择与提取中,采用基于方差选择的主成分分析白化（V-pc... 

【文章来源】：光电子·激光. 2020,31(07)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 引 言
2 实验部分
    2.1 材 料
    2.2 高光谱图像采集与标定
    2.3 光谱数据处理及模型建立
        2.3.1 光谱的选择
        2.3.2 高光谱数据的降维
        2.3.3 模型建立与评价
3 结果与讨论
    3.1 高光谱数据预处理
    3.2 牧草种类V-pcaw分析
    3.3 分类模型建立
4 结 论


【参考文献】：
期刊论文
[1]高光谱数据处理算法的小麦赤霉病籽粒识别[J]. 刘爽,谭鑫,刘成玉,朱春霖,李文昊,崔帅,杜懿峰,黄殿成,谢锋.  光谱学与光谱分析. 2019(11)
[2]加快构筑北方草原生态安全屏障产业和技术融合发展体系的思考[J]. 侯向阳,祁智,梁存柱,邢旗.  草业科学. 2019(11)
[3]基于A-Clenet5的荒漠化草原草种识别与分类[J]. 刘浩,杜建民,皮伟强,朱相兵,张锡鹏,康拥朝.  光电子·激光. 2019(10)
[4]基于特征整合的卷积神经网络草地分类算法[J]. 张猛,钱育蓉,杜娇,范迎迎.  计算机工程与科学. 2019(07)
[5]基于LSP与GLCM融合的禾本科牧草种子特征提取算法[J]. 陈桐,潘新,马玉宝,闫伟红.  中国农业大学学报. 2019(07)
[6]融合PCA、LDA和SVM算法的人脸识别[J]. 徐竟泽,吴作宏,徐岩,曾建行.  计算机工程与应用. 2019(18)
[7]高光谱成像的垃圾分类识别研究[J]. 赵冬娥,吴瑞,赵宝国,陈媛媛.  光谱学与光谱分析. 2019(03)
[8]基于无人机遥感与卷积神经网络的草原物种分类方法[J]. 杨红艳,杜健民,王圆,张燕斌,张锡鹏,康拥朝.  农业机械学报. 2019(04)
[9]基于高光谱SMPI法的草原地表微斑块识别与分类[J]. 皮伟强,杜建民,陈程,朱相兵,刘浩.  光电子·激光. 2018(11)
[10]一种草地高光谱图像分类方法[J]. 武林,马玉宝,潘新,闫伟红,段俊杰.  测绘科学. 2018(09)



本文编号：3168107