基于隨機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,利用隨機森林算法進行玉米品種識別研究。結(jié)果表明:4種特征組合下,隨機森林的平均分類準確率達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森林判別模型識別精度顯著提升,分類準確率達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確率達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森林算法能充分利用高光譜圖像的光譜和紋理信息,準確地鑒別玉米品種,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雜志要求:
{1}文中圖、表請順序標號，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，以供二次文獻編制題錄、索引。
{5}順序編碼標注制是按引用文獻出現(xiàn)的先后順序，在文獻的著者或成果敘述文字的右上角用方括號標注阿拉伯數(shù)字編排序號，并在參考文獻表中按此序號依次著錄，即將參考文獻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
