您好,欢迎访问北京市农林科学院 机构知识库!

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

作者: 张东彦 1 ; 赵晋陵 1 ; 黄林生 1 ; 马雯萩 1 ;

作者机构: 1.安徽大学智能计算与信号处理教育部重点实验室;北京农业信息技术研究中心

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。

  • 相关文献

[1]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

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

[3]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

[4]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

[5]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

[6]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

[7]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

[8]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

[9]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

[10]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

[11]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

[12]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

[13]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

[14]基于高光谱成像的蔬菜新鲜度检测初探. 吴琼,朱大洲,王成,马智宏,陆安祥,王纪华. 2012

[15]肉类掺杂掺假的高光谱成像检测研究进展. 姜洪喆,蒋雪松,杨一,胡逸磊,陈青,施明宏,周宏平. 2021

[16]基于光谱及成像技术的种子品质无损速测研究进展. 王冬,王坤,吴静珠,韩平. 2021

[17]应用近红外高光谱成像技术检测面粉中偶氮甲酰胺. 王晓彬,黄文倩,王庆艳,李江波,王超鹏,赵春江. 2018

[18]用高光谱成像和PCA检测苹果的损伤和早期腐烂. 张保华,黄文倩,李江波,赵春江,刘成良,黄丹枫. 2013

[19]高光谱成像技术定量可视化检测熟牛肉中挥发性盐基氮的含量. 杨东,陆安祥,王纪华. 2017

[20]一种基于高光谱图像的熟牛肉TVB-N含量预测方法. 田卫新,何丹丹,杨东,陆安祥. 2016

作者其他论文 更多>>