基于模糊判别成分分析法的高光谱作物信息提取与分类

• 作者: 常志勇 杨晨 董丽芳 赵海士
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 高光谱 作物 分类 特征提取 模糊统计学 判别成分分析
• 年，卷（期）: 2019,（21）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 158-165
• 页数: 8页
• 分类号: TP751.1
• 字数: 6317字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.21.019

摘要

针对高光谱遥感影像的高维性、不确定性及作物光谱变异性问题,传统信息提取方法不适用于高光谱遥感影像作物分类,该文基于一种调节学习方法,引入模糊统计学相关理论,提出模糊判别成分分析(fuzzy-statistics-based discriminative component analysis,FS-DCA)用于提取利于作物分类的高光谱遥感特征空间.首先定义模糊统计学数字特征,利用分块统计建立模糊可分特征子空间,抑制噪声像元造成的不确定性.将主成分分析(principal component analysis,PCA)及判别成分分析(discriminative component analysis,DCA)与FS-DCA所提取特征和原始全部波段分别应用于AVIRIS Indian Pines 92AV3C高光谱遥感影像中进行分类.结果表明,利用FS-DCA的7个特征进行作物分类获得的平均总体精度比采用全部波段、PCA和DCA分别高出6.88、3.28和0.5个百分点,种植作物的生产者精度与用户精度比传统方法提高1.37～18.47个百分点.该方法有效减少了高光谱影像维数,可为作物信息提取与分类提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨晨	吉林大学地球科学学院	79	396	9.0	17.0
2	常志勇	吉林大学生物与农业工程学院工程仿生教育部重点实验室	8	7	1.0	2.0
6	董丽芳	吉林大学地球科学学院	1	0	0.0	0.0
7	赵海士	吉林大学计算机科学与技术学院	2	8	1.0	2.0