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

文献类型： 中文期刊

第一作者： 赵烜赫

作者： 赵烜赫;潘新;闫伟红;马玉宝

作者机构：

关键词： 高光谱成像;牧草识别;方差选择;PCA白化;高斯朴素贝叶斯

期刊名称： 光电子·激光

ISSN： 1005-0086

年卷期： 2020 年 07 期

页码： 688-695

收录情况： 北大核心 ; CSCD

摘要： 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-pcaw)法,根据阈值和主成分选择最佳特征变量数为2,与主成分分析(PCA)法比较,总体分类精度和Kappa系数平均值分别提高2.995%和0.050 25。同等情况下比较GaussianNB模型和SVM模型,在GaussianNB模型中,经MSC处理的牧草光谱在V-pcaw特征提取后识别效果最佳,耗时最少,OA值达到99.33%,Kappa系数为0.99,测试时间为0.002 022 s。研究结果表明,基于方差选择与高斯朴素贝叶斯的方法可有效增强草地牧草高光谱图像的特征表达能力,从而实现高效快速的牧草种类识别。

分类号： TP181`TP751`S54

  • 相关文献

[1]基于Gabor能量特征的牧草识别. 潘新,刘桂香,闫伟红,李莹,李燕华,侯振杰. 2013

[2]基于Gabor能量特征的牧草识别. 潘新,刘桂香,闫伟红,李莹,李燕华,侯振杰. 2012

[3]禾本科牧草种子图像预处理方法的研究. 潘新,苏静,闫伟红,刘桂香,李燕华. 2013

[4]基于分区LBP及蚁群算法的牧草识别. 韩璠,潘新,郜晓晶,闫伟红,罗小玲,刘霞. 2013

[5]基于高光谱成像分析的冬枣微观损伤识别. 魏新华,吴姝,范晓冬,黄嘉宝. 2015

[6]高光谱图像信息检测玉米籽粒胚水分含量. 田喜,黄文倩,李江波,樊书祥,张保华. 2016

[7]基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究. 马本学,肖文东,祁想想,何青海,李锋霞. 2012

[8]基于高光谱成像的苹果轻微损伤检测有效波长选取. 黄文倩,陈立平,李江波,张驰. 2013

[9]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文). 黄文倩,李江波,张驰,张保华,张百海. 2012

[10]拉曼高光谱成像系统中光在奶粉层的穿透深度研究. 刘宸,王庆艳,黄文倩,陈立平,杨桂燕,王晓彬. 2017

[11]成像光谱技术在农产品/食品检测中的研究进展. 周全,朱大洲,王成,郑耀,王秋平. 2010

[12]干贝水分含量可视化检测方法的研究. 黄慧,沈晔,郭乙陆,王杭州,詹舒越,杨萍,宋宏,何勇. 2017

[13]高光谱影像的苹果花叶病叶片花青素定量反演. 田明璐,班松涛,常庆瑞,张卓然,武旭梅,王琦. 2017

[14]近红外高光谱成像结合特征波长筛选识别小麦赤霉病瘪粒. 沈广辉,曹瑶瑶,刘馨,徐剑宏,史建荣,LEE Yin-won. 2021

[15]用于高光谱图像分类的归一化光谱指数的构建与应用(英文). 张东彦,赵晋陵,黄林生,马雯萩. 2014

[16]小麦叶片胁迫状态下的高光谱图像特征分析研究. 张东彦,张竞成,朱大洲,王纪华,罗菊花,赵晋陵,黄文江. 2011

[17]基于高光谱和PLS-LS-SVM的冬小麦叶绿素含量检测. 王伟,彭彦昆,王秀,马伟. 2010

[18]以高光谱数据有效预测苹果可溶性固形物含量. 黄文倩,李江波,陈立平,郭志明. 2013

[19]叶菜失水条件下的高光谱图像特征分析研究. 吴琼,陆安祥,朱大洲,王成,方晶晶,纪建伟. 2015

[20]甜瓜尾孢叶斑病的高光谱成像检测. 张静宜,陈锦超,傅霞萍,叶云峰,付岗,洪日新. 2019

作者其他论文 更多>>

微信小程序