联合光谱-空间信息的短波红外高光谱图像茶叶识别模型

文献类型： 中文期刊

第一作者： 蔡庆空

作者： 蔡庆空;李二俊;蒋金豹;乔小军;蒋瑞波;冯海宽;刘绍堂;崔希民

作者机构：

关键词： 茶叶;种类;高光谱图像;分类;识别

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2019 年 08 期

页码： 2522-2527

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 茶叶种类识别和等级划分的实践意义重大。成像光谱技术较传统检测、识别手段具有图谱合一及快速无损等优势。获取了君山银针、无锡白茶、信阳毛尖、和六安瓜片4种外观相近的线条形茶叶的短波红外(1 000～2 500 nm)高光谱图像。首先利用最小噪声分数(MNF)和非参数权重特征提取(NWFE)将高维高光谱数据投影到低维子空间,然后用单因素方差分析(ANOVA)重新评估投影特征的可分性并选择对茶叶识别较为有效子空间,同时考虑到"光谱和特征"能较好地表征物质反射属性,将选择的投影子空间MNF_1, MNF_2, MNF_4, MNF_6, MNF_8, NWFE_1, NWFE_2,及"光谱和特征"一起作为光谱特征集并用SVM分类器获得光谱特征下像元的分类结果。另一方面,利用图像本质分解(IID)算法将高光谱图像的光谱分解为自身反射光谱R与阴影成分S;在均质性较优的光谱范围(1 006～1 900 nm)按照光谱距离对R求取梯度图像并用分水岭算法实现了图像空间分割,得到空间相关度较高的分割子块。最后,将像元分类和图像分割结果进行融合,具体:在每个图像分割子块中,重新统计像元分类结果并按照最大投票法对整个子块的类别进行赋值,也即联合光谱-空间信息的茶叶识别模型。结果表明,构建的模型对4种茶叶的识别结果较为满意,在仅为约1%水平的训练样本下,茶叶的总体分类精度达94.3%, Kappa系数为0.92。该模型还较好地克服了茶叶光谱的"同物异谱"现象,并期待方法对实践生产具有指导意义。

分类号： TP391.41`TS272.7

  • 相关文献

[1]基于高光谱成像的核桃仁品质检测与分类方法. 马文强,张漫,李源,李民赞,杨莉玲,朱占江,崔宽波. 2020

[2]新疆麦类蚜虫的种类和识别. 杨海峰,马祁. 2003

[3]新疆果树蚜虫种类及其识别. 杨海峰,于江南. 2004

[4]第一讲:农药基础知识. 常中先. 1998

[5]基于电子鼻技术检测不同焙烤程度咖啡的特征性香气. 何余勤,胡荣锁,张海德,娜娜,蔡涛,彭健,许英豪. 2015

[6]基于高光谱图像光谱与纹理信息的生菜氮素含量检测. 孙俊,金夏明,毛罕平,武小红,朱文静,张晓东,高洪燕. 2014

[7]冬小麦叶绿素含量高光谱检测技术. 王伟,彭彦昆,马伟,黄慧,王秀. 2010

[8]改进M-training算法的高光谱图像分类. 崔颖,王雪婷,陆忠军,王立国. 2018

[9]基于高光谱图像的小麦脱氧雪腐镰刀菌烯醇含量等级鉴别. 杜莹莹,陈小河,梁琨,徐剑宏,沈明霞,卢伟. 2016

[10]基于烟花算法降维的高光谱图像分类. 崔颖,宋国娇,陈立伟,刘述彬,王立国. 2017

[11]苹果糖度高光谱图像可视化预测的光强度校正方法. 郭志明,赵春江,黄文倩,彭彦昆,李江波,王庆艳. 2015

[12]主动学习策略融合算法在高光谱图像分类中的应用. 崔颖,徐凯,陆忠军,刘述彬,王立国. 2018

[13]基于MSRA初始化卷积神经网络的草地牧草分类研究. 刘一磊,刘江平,赵烜赫,马玉宝,闫伟红,潘新. 2021

[14]基于改进SPA算法的高效降维方法. 崔颖,王雪婷,刘述彬,陆忠军. 2018

[15]Stacking Learning在高光谱图像分类中的应用. 徐凯,崔颖. 2018

[16]基于MS-PLNet和高光谱图像的绿豆叶斑病病级分类. 余骥远,高尚兵,李洁,陈新,李士丛,张浩淼,袁星星,唐琪. 2023

[17]高光谱图像信息的柑橘叶片光合色素含量分析技术研究. 田喜,何绍兰,吕强,易时来,谢让金,郑永强,廖秋红,邓烈. 2014

[18]柑橘花钾素营养的高光谱表征. 刘艳丽,何绍兰,吕强,易时来,谢让金. 2014

[19]一种草地高光谱图像分类方法. 武林,马玉宝,潘新,闫伟红,段俊杰. 2018

[20]基于高光谱图像的茶树LAI与氮含量反演. 吴伟斌,李佳雨,张震邦,凌彩金,林贤柯,常星亮. 2018

作者其他论文 更多>>

微信小程序