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個品種共600粒玉米在533~893.4nm波段(共146個波段)范圍的高光譜圖像,對其進(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)森林的平均分類準(zhǔn)確率達(dá)76.25%,Kappa系數(shù)均在0.6以上,分類效果均優(yōu)于傳統(tǒng)的偏最小二乘判別分析方法;從4種特征組合的分類結(jié)果看,融合紋理信息的隨機(jī)森林判別模型識別精度顯著提升,分類準(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準(zhǔn)確率達(dá)78.30%,Kappa系數(shù)為0.675。由此可見,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,為玉米品種的自動識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、表請順序標(biāo)號，且應(yīng)有名稱;若系采用于其他資料，請注明資料來源。
{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}作者請自留底稿，1個月收到采用通知可自行處理。因本刊人手有限，來稿恕不退還，請多諒解。
{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標(biāo)注阿拉伯?dāng)?shù)字編排序號，并在參考文獻(xiàn)表中按此序號依次著錄，即將參考文獻(xiàn)反引在文中引用位置。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
