基于隨機(jī)森林算法的玉米品種高光譜圖像鑒別
關(guān)鍵詞：高光譜圖像 玉米 隨機(jī)森林 偏最小二乘判別分析
摘要：玉米品種直接影響到玉米的產(chǎn)量和品質(zhì),事關(guān)農(nóng)業(yè)收入和食品安全,因此,如何準(zhǔn)確、高效、無(wú)損地鑒別玉米品種具有重要意義。該文基于高光譜成像系統(tǒng)采集3個(gè)品種共600粒玉米在533~893.4nm波段(共146個(gè)波段)范圍的高光譜圖像,對(duì)其進(jìn)行校正和預(yù)處理,利用Boruta算法篩選有效波段。在全波段、全波段和紋理信息、有效波段以及有效波段和紋理信息4種特征組合下,利用隨機(jī)森林算法進(jìn)行玉米品種識(shí)別研究。結(jié)果表明:4種特征組合下,隨機(jī)森林的平均分類(lèi)準(zhǔn)確率達(dá)76.25%,Kappa系數(shù)均在0.6以上,分類(lèi)效果均優(yōu)于傳統(tǒng)的偏最小二乘判別分析方法;從4種特征組合的分類(lèi)結(jié)果看,融合紋理信息的隨機(jī)森林判別模型識(shí)別精度顯著提升,分類(lèi)準(zhǔn)確率達(dá)77.20%,Kappa系數(shù)在0.64以上;基于有效波段和紋理信息判別模型的分類(lèi)準(zhǔn)確率達(dá)78.30%,Kappa系數(shù)為0.675。由此可見(jiàn),有效波段和紋理信息特征組合下的隨機(jī)森林算法能充分利用高光譜圖像的光譜和紋理信息,準(zhǔn)確地鑒別玉米品種,為玉米品種的自動(dòng)識(shí)別提供了一種新方法。
地理與地理信息科學(xué)雜志要求:
{1}文中圖、表請(qǐng)順序標(biāo)號(hào)，且應(yīng)有名稱(chēng);若系采用于其他資料，請(qǐng)注明資料來(lái)源。
{2}文章格式一般要包括：題目、作者及單位、郵編、內(nèi)容摘要、關(guān)鍵詞、正文、參考文獻(xiàn)等。
{3}作者請(qǐng)自留底稿，1個(gè)月收到采用通知可自行處理。因本刊人手有限，來(lái)稿恕不退還，請(qǐng)多諒解。
{4}題名應(yīng)直接體現(xiàn)論文的要旨，必須與論文的內(nèi)容相吻合。為方便讀者檢索，題名還應(yīng)盡可能包含論文的關(guān)鍵詞，以供二次文獻(xiàn)編制題錄、索引。
{5}順序編碼標(biāo)注制是按引用文獻(xiàn)出現(xiàn)的先后順序，在文獻(xiàn)的著者或成果敘述文字的右上角用方括號(hào)標(biāo)注阿拉伯?dāng)?shù)字編排序號(hào)，并在參考文獻(xiàn)表中按此序號(hào)依次著錄，即將參考文獻(xiàn)反引在文中引用位置。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢(xún)雜志社
