检索结果-南通市图书馆

基于多特征优选的无人机可见光遥感林分类型分类

在线全文

学校读者我要写书评

暂无评论

林业科学 2021年第6期57卷 24-36页

作者：周小成郑磊黄洪宇福州大学地理空间信息技术国家地方联合工程研究中心空间数据挖掘与信息共享教育部重点实验室福州350116

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 ... 详细信息

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs)6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度;2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73;3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。

关键词：林分类型可见光遥感无人机特征提取特征优选分类

基于GF-6卫星影像多特征优选的酿酒葡萄精准识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2020年第18期36卷 165-173页

作者：李文杰郭晓雷杨玲波闫鸣邹晨曦方亚华孙涵黄敬峰浙江大学农业遥感与信息技术应用研究所杭州310058 浙江省农业遥感与信息技术重点研究实验室杭州310058 银川市气象局银川750000 北京思湃德信息技术有限公司北京100086 内蒙古新天元防灾减灾研究院呼和浩特010051

多源遥感信息和特征优选是提高农作物识别精度的重要支撑,高分六号(GF-6)卫星作为首次引入红边波段的国产卫星,其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月—2019年3月的GF-6... 详细信息

多源遥感信息和特征优选是提高农作物识别精度的重要支撑,高分六号(GF-6)卫星作为首次引入红边波段的国产卫星,其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月—2019年3月的GF-6数据,充分利用红边优势提取光谱特征、纹理特征和植被指数特征,构建多种特征组合方案,并根据随机森林算法对特征重要性进行度量,选取最优特征组合对酿酒葡萄进行精准识别。结果表明,与单一特征相比,多源遥感特征的增加显著改善了酿酒葡萄分类效果,其中,植被指数贡献程度最大,光谱特征次之;基于随机森林的优选特征组合分类效果最佳,其中,总体分类精度为94.15%,酿酒葡萄用户精度为94.23%,制图精度为92.59%;以实地调查的4个酒庄为验证区,将酿酒葡萄提取结果与统计数据进行对比,面积相对精度均在70%以上,其中优选特征结果相对精度在90%以上,研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。

关键词：遥感图像处理高分六号酿酒葡萄特征优选随机森林红边波段精准识别

特征优选下的GF-6影像土地利用分类方法研究

在线全文

学校读者我要写书评

暂无评论

河南科技 2022年第11期41卷 106-110页

作者：张梦茹冯志立河南理工大学自然资源部矿山时空信息与生态修复重点实验室河南焦作454003

考虑多特征组合下的遥感影像分类时,信息量冗余会影响分类精度的问题。本文采用最佳波段指数(OIF)选择最佳波段组合,然后提取纹理和植被指数特征并结合随机森林特征重要性与分类精度之间的线性关系达到特征优选目标:获取最佳特征集合。... 详细信息

考虑多特征组合下的遥感影像分类时,信息量冗余会影响分类精度的问题。本文采用最佳波段指数(OIF)选择最佳波段组合,然后提取纹理和植被指数特征并结合随机森林特征重要性与分类精度之间的线性关系达到特征优选目标:获取最佳特征集合。最后采用随机森林算法、SVM、最大似然算法对实验区进行土地利用分类,对比原始波段、最佳波段组合、全特征集合、优选特征集合分类结果,研究多特征优选下适宜于土地利用分类的最优分类模型。研究结果表明:不同特征集合的分类结果存在一定的差异,在相同的算法下:最大似然算法下原始光谱波段分类精度最高;随机森林算法下优选特征分类精度最高;支持向量算法下全特征集合分类精度最高。在不同算法的特征集合结合中基于随机森林算法的优选特征分类精度最高:总体精度88.07%、F1函数0.843 4、kappa系数0.830 5。因此特征优选下的特征集合结合优势算法在土地利用分类中具有一定的应用价值。

关键词：最佳波段指数特征优选随机森林 GF-6

在线全文

学校读者我要写书评

暂无评论

基于特征优选模拟电路故障诊断方法

电子科技大学学报 2014年第4期43卷 557-561页

作者：李旻咸卫明龙兵王厚军电子科技大学自动化学院成都611731

传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向... 详细信息

传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后,将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断,实验结果表明,基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。

关键词：故障诊断特征优选最小二乘支持向量机马氏距离粒子群优化算法

融合GA与SVR算法的小麦条锈病特征优选与模型构建

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2020年第11期51卷 253-263页

作者：竞霞张腾白宗璠黄文江西安科技大学测绘科学与技术学院西安710054 中国科学院空天信息创新研究院北京100094

为提高小麦条锈病遥感监测精度,综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势,构建了冠层日光诱导叶绿素荧光(Solar-induced chlorophyll fluorescence,SIF)协同反射率光谱吸收参量的初始特征... 详细信息

为提高小麦条锈病遥感监测精度,综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势,构建了冠层日光诱导叶绿素荧光(Solar-induced chlorophyll fluorescence,SIF)协同反射率光谱吸收参量的初始特征集合,并基于融合遗传算法(Genetic algorithm,GA)和支持向量回归(Support vector regression,SVR)算法对初始特征集合与SVR参数进行联合优选,确定遥感监测小麦条锈病严重度的敏感因子,建立基于GA-SVR算法的小麦条锈病遥感监测模型,并将其与相关系数(Correlation coefficient,CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明,融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型,3个样本组中GA-SVR模型预测病情指数(Disease index,DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%,平均提高了17.8%,均方根误差(Root mean square error,RMSE)至少减少了10.1%,平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度,研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。

关键词：小麦条锈病日光诱导叶绿素荧光吸收特征特征优选遗传-支持向量回归

基于特征优选随机森林算法的农耕区土地利用分类

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2020年第4期36卷 244-250页

作者：王李娟孔钰如杨小冬徐艺梁亮王树果江苏师范大学地理测绘与城乡规划学院徐州221116 国家农业信息化工程技术研究中心北京100097

为了提高农耕区土地利用分类精度,该文采用较高空间分辨率和丰富光谱信息的Sentinel-2数据生成光谱特征、无红边波段的植被指数、红边指数和纹理特征4种基本特征变量,并对以上特征变量优选后进行特征重要性排序,进而构建7种特征组合方案... 详细信息

为了提高农耕区土地利用分类精度,该文采用较高空间分辨率和丰富光谱信息的Sentinel-2数据生成光谱特征、无红边波段的植被指数、红边指数和纹理特征4种基本特征变量,并对以上特征变量优选后进行特征重要性排序,进而构建7种特征组合方案,基于随机森林算法和支持向量机对农耕区土地利用信息进行提取并对比验证分类精度。研究结果表明:通过特征优选的随机森林算法进行土地利用信息提取效果最佳,总体精度达到88.24%,Kappa系数为0.84,精度优于相同特征变量下的支持向量机分类方法。该方法能够有效提高农耕区土地利用分类精度,可为土地资源监测、管理提供技术支持和理论参考。

关键词：随机森林算法土地利用分类农耕区特征优选 Sentinel-2 红边指数

基于特征优选和字典优化的组稀疏表示表情识别

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2021年第5期34卷 446-454页

作者：谢惠华黎明王艳陈昊南昌航空大学信息工程学院南昌330063 南昌航空大学无损检测技术教育部重点实验室南昌330063

针对在小样本人脸表情数据库上识别模型过拟合问题,文中提出基于特征优选和字典优化的组稀疏表示分类方法.首先提出特征优选准则,选择相同类级稀疏模式、不同类内稀疏模式的互补特征构建字典.然后对字典进行最大散度差优化学习,使字典... 详细信息

针对在小样本人脸表情数据库上识别模型过拟合问题,文中提出基于特征优选和字典优化的组稀疏表示分类方法.首先提出特征优选准则,选择相同类级稀疏模式、不同类内稀疏模式的互补特征构建字典.然后对字典进行最大散度差优化学习,使字典在不失真重构特征的同时具有较高鉴别能力.最后联合优化后的字典进行组稀疏表示分类.在JAFFE、CK+数据库上的实验表明,文中方法对样本减少具有鲁棒性,泛化能力较强,识别精度较优.

关键词：小样本表情识别特征优选最大散度差优化学习组稀疏表示

在线全文

学校读者我要写书评

暂无评论

特征优选下的无人机可见光影像地物分类

测绘与空间地理信息 2022年第9期45卷 9-12,16页

作者：董南建设综合勘察研究设计院有限公司北京100007

针对多维分类特征降低分类精度以及无人机可见光影像特征优选分类研究较少的问题,提出了一种基于相关系数特征去相关和最少地物类对数量的重要性评估特征优选方法。基于无人机可见光DOM和DSM数据,结合CART决策树分类方法,开展优选特征... 详细信息

针对多维分类特征降低分类精度以及无人机可见光影像特征优选分类研究较少的问题,提出了一种基于相关系数特征去相关和最少地物类对数量的重要性评估特征优选方法。基于无人机可见光DOM和DSM数据,结合CART决策树分类方法,开展优选特征组合及精度分析。特征优选后的4种特征组合分类总体精度比特征优选前平均提高了1.53%,均达到87%以上,Kappa系数均大于0.85,分类质量高。高度特征将总体精度提高了21.74%,对提高植被、水域地物的分类精度具有重要作用。道路白色实线、暗色裂缝、路灯阴影等“细小地物”及分类特征的局限性会降低地物分类精度。结果表明:所提特征优选方法能提高分类精度,并易于实现,能为无人机可见光影像复杂地物分类提供技术支撑。

关键词：无人机可见光影像特征优选 CART决策树分类特征去相关

结合Sentinel-2影像和特征优选模型提取大豆种植区

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2021年第9期37卷 110-119页

作者：张东彦杨玉莹黄林生杨琦梁栋佘宝洪琪姜飞安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601 安徽理工大学空间信息与测绘工程学院淮南232001 宿州学院信息工程学院宿州234000

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种... 详细信息

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(Random Forest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine,SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%~91.91%,Kappa系数在0.72~0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。

关键词：机器学习模型大豆 Sentinel-2 种植区提取特征优选