| 基于卷积神经网络和稳定性选择的农作物植被光谱分析方法 |
| |
| 引用本文： | 段欣荣,曹见飞,张宝雷,王召海.基于卷积神经网络和稳定性选择的农作物植被光谱分析方法[J].山东师范大学学报(自然科学版),2020,35(1). |
| |
| 作者姓名： | 段欣荣 曹见飞 张宝雷 王召海 |
| |
| 作者单位： | 山东师范大学地理与环境学院,250358,济南;山东师范大学地理与环境学院,250358,济南;山东师范大学地理与环境学院,250358,济南;山东师范大学地理与环境学院,250358,济南 |
| |
| 基金项目： | 山东省重点研发计划资助项目"盐碱土快速改良与地力培肥产品的研发与应用" |
| |
| 摘 要： | 光谱特征提取是遥感植被精细化识别研究的关键.现有光谱分析方法大多无法直接高效的提取特征波段用于分类,往往依赖特征选择和预处理操作,目标识别精度不高.本文整合卷积神经网络(CNN)和稳定性选择改进光谱分析方法实现统一高效的光谱分析,以玉米、大豆、豆角、葡萄、大枣、辣椒、秋葵、芥蓝、韭菜和草皮10种农作物植被叶片光谱为实验对象,构建适用于农作物分类的CNN模型,获得植被分类结果.利用稳定性选择方法可视化CNN卷积-池化过程的特征选择结果,获得表征不同植被生化参数的特征波段.结果表明:1)改进的光谱分析方法很好的适用于光谱识别,分类准确率维持在97%～100%之间;2)该方法对光谱预处理依赖性最小,对光谱识别表现出较强的鲁棒性和泛化能力;3)特征波段的可视化结果证明了改进的光谱分析方法能够精准的提取农作物植被的敏感特征波段,间接说明了CNN模型卷积池化操作能够准确地提取光谱重要特征波段用于农作物光谱分类.
|
| 关 键 词： | 卷积神经网络 稳定性选择 光谱分析 农作物识别 特征提取 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
