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)

文献类型： 中文期刊

第一作者： 张东彦

作者： 张东彦;赵晋陵;黄林生;马雯萩

作者机构：

关键词： 高光谱成像;归一化光谱指数;图像分类;光谱提纯;小麦;大豆

期刊名称： 红外与激光工程

ISSN： 1007-2276

年卷期： 2014 年 02 期

页码： 248-256

收录情况： 北大核心 ; CSCD

摘要： 成像高光谱的近地田间应用为农业定量遥感的发展提供了新的契机。如何发挥其图谱合一的数据优势,尤其在解析土壤、阴影等背景地物对作物养分反演模型的影响需要关注。该研究借助可见/近红外成像高光仪,在近地田间采集小麦群体的成像立方体,根据影像中光照裸土、阴影裸土、光照叶片和阴影叶片的反射光谱特征建立了归一化光谱分类指数,并应用该指数提取大豆影像中不同类型地物的光谱,分析了背景土壤剔除前后的大豆植被归一化光谱与叶绿素密度的决定系数变化情况。结果表明:土壤和阴影叶片光谱去除后,反演叶绿素密度的敏感波段由红-近红外区间(727 nm,922 nm)向蓝、绿,尤其是红波段(710 nm,711 nm)移动。对叶绿素密度敏感的波段区间表现为可见光增加,近红外减少,且红边波段决定系数最高。由此说明,基于归一化光谱指数的植被光谱提纯对定量遥感反演研究具有重要意义。

分类号： TP391.41

  • 相关文献

[1]基于IRMAnet的全生育期小麦品种识别研究. 冯永强,刘成忠,韩俊英,鲁清林,刘立群,邢雪. 2024

[2]基于高光谱成像技术的不同类型小麦穗发芽籽粒识别. 孙传亮,马攀,刘泽厚,郑建敏,梁万杰,曹静,王琴,李俊,杨武云,万洪深,张文宇. 2023

[3]基于近红外高光谱成像及信息融合的小麦品种分类研究. 董高,郭建,王成,陈子龙,郑玲,朱大洲. 2015

[4]RADARSAT-2全极化SAR数据地表覆盖分类. 程千,王崇倡,张继超. 2015

[5]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

[6]基于二进制编码的烟花聚类算法. 李雪源,崔颖. 2016

[7]基于机器学习和无人机图像的棉花密度识别研究. 张静,王清茹,雷亚平,王占彪,韩迎春,李小飞,邢芳芳,范正义,李亚兵,冯璐. 2021

[8]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

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

[10]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

[11]遥感图像分类中混合像元分解方法研究. 吴黎,张有智,解文欢,王鹏,刘媛媛,李栓. 2011

[12]基于深度学习分类模型的4种果树物候期识别. 钟丹,李宗南,王思,黄平,邱霞,蒋怡. 2023

[13]基于可见光谱和改进注意力的农作物病害识别. 孙文斌,王荣,高荣华,李奇峰,吴华瑞,冯璐. 2022

[14]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[15]基于卷积神经网络的柑橘病害叶片分类算法. 施宇,李敏. 2022

[16]基于深度学习的刺网与拖网作业类型识别研究. 汤先峰,张胜茂,樊伟,裴凯洋. 2020

[17]基于ASAR数据的水稻制图最佳时相参数提取. 杨沈斌,赵小艳,申双和,李秉柏,谭炳香. 2009

[18]基于帧间光流特征和改进RNN的草鱼摄食状态分类. 刘世晶,涂雪滢,钱程,周捷,陈军. 2022

[19]雷达遥感影像在水稻信息提取及估产方面的技术研究. 黄晓军,李秉柏. 2009

[20]基于改进MobileNetV2和迁移学习的鱼类食欲强度评定方法. 刘士坤,刘兴国,王婕,顾兆俊,程果锋,张家华. 2025

作者其他论文 更多>>

微信小程序