| 基于无人机多光谱图像的云南松虫害区域识别方法 |
| |
| 引用本文： | 张军国,韩欢庆,胡春鹤,骆有庆.基于无人机多光谱图像的云南松虫害区域识别方法[J].农业机械学报,2018,49(5):249-255. |
| |
| 作者姓名： | 张军国 韩欢庆 胡春鹤 骆有庆 |
| |
| 作者单位： | 北京林业大学工学院;北京林业大学林学院 |
| |
| 基金项目： | 北京市科技计划项目（Z171100001417005）和中央高校基本科研业务费专项资金项目（2016ZCQ08） |
| |
| 摘 要： | 针对云南省祥云县林区云南松虫害区域高效识别的需求,为更加高效准确地对虫害信息进行监测,本文搭建了林区八旋翼多光谱图像采集平台,基于无人机多光谱图像提出了一种Jeffries-Matusita(J-M)距离优化的反向传播神经网络(BP)分类方法。该方法首先引入J-M距离实现了对训练样本的优化,有效降低了"同谱异物"和"同物异谱"现象的影响,然后基于颜色矩和灰度共生矩阵提取了图像的颜色和纹理特征,并提取了580、680、800 nm共3个波段的相对光谱反射率作为光谱值特征,建立了5个植被指数模型,最后利用BP神经网络算法对颜色、纹理、光谱值和植被指数4种特征向量进行训练识别,实现了对虫害区域的分类识别。利用所提算法从总体分类精度和Kappa指数两方面与传统BP神经网络和支持向量机(SVM)算法进行对比试验。试验结果表明,本文算法总体分类精度和Kappa指数分别达到了94.01%和0.92,建模时间相对于传统BP神经网络缩短了38%,总体分类效果优于传统BP神经网络和SVM算法。
|
| 关 键 词： | 无人机多光谱图像 森林虫害监测 特征提取 反向传播神经网络 J-M距离 |
| 收稿时间： | 2018/2/8 0:00:00 |
Identification Method of Pinus yunnanensis Pest Area Based on UAV Multispectral Images |
| |
| ZHANG Junguo,HAN Huanqing,HU Chunhe and LUO Youqing.Identification Method of Pinus yunnanensis Pest Area Based on UAV Multispectral Images[J].Transactions of the Chinese Society of Agricultural Machinery,2018,49(5):249-255. |
| |
| Authors: | ZHANG Junguo HAN Huanqing HU Chunhe and LUO Youqing |
| |
| Institution: | Beijing Forestry University,Beijing Forestry University,Beijing Forestry University and Beijing Forestry University |
| |
| Abstract: | |
| |
| Keywords: | UAV multispectral image forest pest monitoring feature extraction BP neural network J-M distance |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
