10.6041/j.issn.1000-1298.2018.05.029
基于无人机多光谱图像的云南松虫害区域识别方法
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.
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
49
TP79;S763.303(遥感技术)
北京市科技计划项目Z171100001417005;中央高校基本科研业务费专项资金项目2016ZCQ08
2018-06-21（万方平台首次上网日期，不代表论文的发表时间）
共7页
249-255
