基于无人机遥感可见光影像的北疆主要农作物分类方法

• 作者: 崔美娜 张国顺 戴建国 曾窕俊 薛金利 郭鹏
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 无人机 遥感 可见光影像 色彩与纹理特征 机器学习 作物分类
• 年，卷（期）: 2018,（18）
• 所属期刊栏目: 农业航空工程
• 页码范围: 122-129
• 页数: 8页
• 分类号: S252
• 字数: 6201字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.18.015

摘要

作物类型准确分类是大田作业和管理的基础.该文通过无人机遥感试验获取的可见光影像,利用色彩空间转换和纹理滤波构建了色调、饱和度和亮度的27项纹理和低通滤波特征;然后采用ReliefF-Pearson特征降维方法,剔除分类能力弱且相关性高的冗余特征;最后,基于优选特征训练分类模型,并结合人工分类结果对各模型进行精度比较和效果验证.结果表明:特征选择得到的H-CLP、H-Ent、I-Cor、I-CLP、I-Ent、S-CLP和I-Var是利用可见光影像进行北疆主要农作物分类的最佳特征,可在充分表征影像特征的同时降低数据冗余.支持向量机(support vector machine,SVM)分类方法精度最高,整体分类准确率达83.77％,ANN和KNN分类精度次之.通过在验证区进行像素级别作物分类,发现SVM分类方法效果最好,棉花、玉米、苜蓿和西葫芦作物分类精度均达到了80％以上.该研究可为基于无人机可见光影像的农作物种植信息普查提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭鹏	石河子大学理学院	28	110	5.0	9.0
2	曾窕俊	石河子大学信息科学与技术学院	7	42	2.0	6.0