修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

18 条数据
?? 中文（中国） ▾

  • 利用野外近距快照高光谱成像与机器学习技术识别红树物种

    摘要： 调查红树物种组成是湿地管理和?；ぶ幸桓龌∏抑匾目翁?。本研究旨在探索近景高光谱成像技术（采用快照式高光谱传感器）在野外条件下识别红树物种的潜力。具体而言，我们评估了数据预处理与转换、波段选择及机器学习技术，以建立针对中国广东省珠海市淇澳岛八种红树物种的最优分类方案。经数据预处理与转换后，五种光谱数据集（包括反射率光谱R及其一阶导数d(R)、反射率光谱对数log(R)及其一阶导数d[log(R)]，以及高光谱植被指数VIs）被用作各分类器的输入数据。随后采用三种波段选择方法（逐步判别分析SDA、基于相关性的特征选择CFS和连续投影算法SPA）进行降维并筛选有效识别波段。此外，我们通过四种分类器（线性判别分析LDA、k近邻KNN、随机森林RF和支持向量机SVM）评估了红树物种分类效果。当四种分类器应用于全波段反射率光谱时，八种红树物种总体分类精度均超过80%，其中SVM精度最高达93.54%（Kappa=0.9256）。使用SPA筛选波段时，SVM精度达到93.13%（Kappa=0.9208）。加入高光谱VIs和d[log(R)]数据集后，精度进一步提升至93.54%（Kappa=0.9253）和96.46%（Kappa=0.9591）。结果表明，应用野外近景快照高光谱图像与机器学习分类器对红树物种进行分类具有显著效果。

    关键词： 机器学习、波段选择、红树林物种分类、近程高光谱成像、野外高光谱测量

    更新于2025-09-23 15:23:52

  • 基于FRS理论中信息测量的大豆分类高光谱波段选择

    摘要： 大豆及其制品因其健康益处受到广泛关注。大豆加工企业对特殊品种的大豆有需求。由于具有快速测量和最少样品制备的优势，高光谱成像技术被用于大豆品种分类?；谀：植诩‵RS）理论的高光谱波段选择研究可为品种分类提供基础。本研究探索了高斯隶属函数与三角隶属函数在不同参数下进行波段选择的性能，通过子集的波段数量及相对于决策的互信息确定了参数的适用范围。通过在两个分类方法（极限学习机和随机森林）上构建大豆高光谱数据集实验，验证了所提算法的有效性。与排序方法相比，该算法通过选择高信息量波段显著提升了分类准确率。为进一步缩小子集规模，采用后剪枝设计：对于高斯隶属函数，经后剪枝处理的八波段子集平均准确率达99.11%。除分类准确率外，还探究了波段选择算法在小扰动下的稳定性，结果显示高斯隶属函数的波段选择算法比三角隶属函数更稳定。研究表明，基于信息度量（IM）的波段选择算法能有效获得满意的分类准确率，并在扰动条件下提供稳定结果。

    关键词： 大豆分类、信息度量、波段选择、模糊粗糙集、高光谱成像

    更新于2025-09-23 15:23:52

  • 基于多目标的高光谱波段选择中的弱帕累托最优分析

    摘要： 波段选择是指从高光谱图像中找出最具代表性的通道。通常需要设计特定目标函数并通过正则化项进行组合。这类方法的一个潜在缺陷是：在给定波段数量的情况下，单次运行只能生成一个解决方案。为解决该问题，研究者采用基于多目标（MO）的方法进行波段选择——该方法能同步获取不同波段数量的系列子集。然而由于波段选择问题的解空间具有离散特性，近期提出的加权切比雪夫（WT）多目标方法可能存在弱帕累托最优问题。这种情况下，每个波段数量对应的解都不唯一且不存在最优解，决策者必须手动为每个波段数量选择单一方案。本文通过理论分析揭示了波段选择中的弱帕累托最优问题，并定量给出了边界条件。进一步总结出帮助用户规避该问题的建议准则?；谡庑┍曜迹颐强⒘诵滦妥允视Τ头１呓缃徊妫ˋPBI）框架来改进高光谱波段选择的多目标算法。APBI主要具备两大优势：1）避免弱帕累托最优解；2）降低惩罚因子的敏感性。对比实验验证了理论分析的有效性，结果表明WT方法确实存在弱帕累托最优解，而APBI能有效解决该问题。

    关键词： 多目标（MO）优化、波段选择、弱帕累托最优、高光谱影像（HSI）

    更新于2025-09-23 15:22:29

  • 高光谱波段选择的粗到细优化方法

    摘要： 高光谱波段选择是一种特征选择方法，通过选取最具代表性的波段集合，在分类和异常检测等任务中实现优异性能。该方法能降低存储、传输和计算负担。本文提出一种两阶段波段选择算法：首先基于线性重建误差准则进行波段筛选与结果优化，随后采用由粗到精的波段选择策略（CFBS）进一步提升效果。CFBS采用分组递进方式选取波段——每组波段都根据前序组别表征不足的波段进行选择，以最小化线性重建误差为目标。实验表明，该方法的性能显著优于其他对比方案。

    关键词： 波段选择，高光谱成像。

    更新于2025-09-23 15:22:29

  • 利用遗传算法和支持向量机进行高光谱波段选择以实现大豆茎秆炭疽病早期识别

    摘要： 背景：炭腐病是一种真菌病害，在温暖干燥条件下易发，影响全球大豆及其他重要农作物的产量。亟需对病害症状进行稳健、自动且一致的早期检测与量化——这对育种计划中培育改良品种，以及作物生产中实施病害防控措施以保障产量都至关重要。当前植物病害表型分析方法主要依赖肉眼观察，因而速度慢且易受人为误差和主观差异影响。高光谱成像技术在病害症状早期检测中的应用日益受到关注。然而高光谱数据的高维度特性使得建立高效的病害识别分析流程极为重要，从而为制定有效作物管理决策提供依据。本研究旨在确定最少数量但最具效力的高光谱波段组合，用于生长季早期区分健康与染病大豆茎秆样本以实现精准病害管理。我们在接种后第3、6、9、12及15天采集了111组代表健康与感染茎秆的高光谱数据立方体，使用来自4种不同基因型的接种样本与对照样本。每幅高光谱图像均在383–1032纳米范围内获取240个不同波长数据。我们将从240个波段中筛选最佳波段组合的问题构建为优化课题，采用遗传算法作为优化器、支持向量机作为分类器来识别效力最大化的波段组合。 结果：使用选定的六个波段组合（475.56、548.91、652.14、516.31、720.05、915.64纳米）对健康与感染大豆茎秆样本进行二分类时，感染类别的分类准确率达97%。此外，针对接种后第3天的测试样本，该六波段组合也实现了90.91%的分类准确率。 结论：结果表明，这些精心筛选的波段比单独使用RGB图像包含更丰富信息，能实现大豆炭腐病感染的早期识别。所选波段可用于多光谱相机，以远程识别大豆炭腐病感染情况。

    关键词： 波段选择、大豆病害、精准农业、高光谱、支持向量机、遗传算法、炭疽病

    更新于2025-09-23 15:21:01

  • 基于高光谱反射率估算叶片生化成分的不同偏最小二乘回归中信息波段评估

    摘要： 偏最小二乘法（PLS）回归模型广泛应用于光谱分析领域，通过高光谱反射信息估算生化组分。基于有效光谱波段（而非全谱中强共线性波段）构建PLS回归模型对维持模型性能至关重要。然而尽管已有多种技术利用海量高光谱反射数据估算植物特性，关于如何选择有效波段始终未达成共识。本研究通过在公认的叶片反射率PROSPECT-4模型中引入具有可变比吸收系数（SAC）的虚拟变量（Cd），设计了一系列虚拟实验来评估常用有效波段选择技术——包括逐步PLS、遗传算法PLS（GA-PLS）及无信息变量消除PLS（UVE-PLS）。这些虚拟实验清晰界定了与虚拟输入变量相关的责任波长区域，为模型评估提供了客观标准。结果表明：虽然三种技术均能有效估算叶片生化含量，但所选波段大多未能精确匹配已知吸收特征，其普适性存疑。其中GA-PLS方法在精确定位具有物理生化机制的有效波段以估算叶片生化特性方面表现相对更优，因此推荐进一步应用。本研究对PLS回归的潜在能力进行了客观评估，有助于理解PLS回归模型在估算植被生化参数方面的优势与局限。

    关键词： 波段选择、机制、偏最小二乘回归、高光谱反射率、PROSPECT模型

    更新于2025-09-23 19:13:39

  • [IEEE IGARSS 2019 - 2019年IEEE国际地球科学与遥感研讨会 - 日本横滨 (2019.7.28-2019.8.2)] IGARSS 2019 - 2019年IEEE国际地球科学与遥感研讨会 - 高光谱波段选择的全局自标注分布分析

    摘要： 本文提出了一种用于高光谱图像（HSI）波段选择的全局自标记分布分析方法（GSLDA），该方法聚焦于通过无监督方式确定波段区分度。为生成后续分析所需的波段标签，研究将局部最小生成森林（LMSF）概念引入基于图论的全局自标记波段划分构建中。同时采用新型三重密度指标评分策略分析标记波段分布，从而筛选出具有显著区分度的目标波段子集。通过在真实高光谱数据上的可行性验证表明，该方法性能表现优异，所选波段具有明显的全局区分特性与强抗噪鲁棒性。

    关键词： 三重密度、局部最小生成森林、波段选择、分布分析

    更新于2025-09-19 17:13:59

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于波段选择技术的蝴蝶兰茎基部镰刀菌枯萎病检测

    摘要： 蝴蝶兰是台湾重要的高经济价值农产品。然而，镰刀菌枯萎病会导致蝴蝶兰叶片发黄、变薄、失水，最终死亡。本文提出一种检测蝴蝶兰茎基部镰刀菌枯萎病的新兴方法。为建立检测模型，我们采集了健康与染病两种状态的蝴蝶兰样本，构建高光谱数据库。通过基于波段优先级（BP）和波段去相关（BD）的波段选择（BS）处理，提取关键波段并消除冗余波段。随后采用正交子空间投影（OSP）、约束能量最小化（CEM）和支持向量机（SVM）三种算法进行镰刀菌枯萎病检测。

    关键词： OSP、SVM、高光谱图像、蝴蝶兰、波段选择、尖孢镰刀菌萎蔫病、CEM

    更新于2025-09-10 09:29:36

  • 植物表型分析的集成特征选择：从高光谱到多光谱成像的探索之旅

    摘要： 高光谱成像正成为高通量植物表型分析中日益流行的工具，因其能提供关于植物健康状况的显著信息。特征选择是高光谱图像分析的关键环节，这主要因为根据具体应用需求，大量光谱特征存在冗余和/或无关性。本文提出一种集成特征选择方法，用于识别植物表型实际应用中最具信息量的光谱特征。该高光谱数据集包含四个小麦品系的图像，每个品系均设有对照和盐（NaCl）处理组。为对光谱特征进行排序，采用六种特征选择方法作为集成基?。夯谙喙匦缘奶卣餮≡?、ReliefF、序列特征选择、支持向量机递归特征消除（SVM-RFE）、LASSO逻辑回归和随机森林。通过集成ReliefF、SVM-RFE和随机森林获得最佳效果，在将高光谱数据集维度从215个特征大幅降至15个特征的同时，将盐处理植被像素与对照像素的分类准确率提高了8.5%。通过聚类算法确定六个波长作为最显著特征周围宽波段多光谱的中心，将高光谱数据集转换为多光谱数据集。使用所得多光谱数据集评估四个小麦品系耐盐性的结果与高光谱数据集相似。这表明所提出的特征选择流程可用于确定最具信息量的特征，并能成为开发定制化多光谱相机的有效工具。

    关键词： 高光谱成像、波段选择、多光谱成像、小麦、集成特征选择、盐胁迫、机器学习、植物表型分析、分类

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于高光谱影像与光谱库的城市植被制图

    摘要： 城市周边城市化区域的发展与扩张，给城市内部绿地（如草坪、树木、灌木等）的组织、监测与分配带来了新的挑战性问题。事实上，这些绿地能提升居民生活质量并保护生物多样性。本研究旨在：1）探究利用多波段影像和光谱库进行城市植被物种制图的可行性；2）确定该制图方法在何种尺度上可靠（如单株树木尺度、树群尺度、高/低矮植被尺度）。

    关键词： 光谱库，正则化，高光谱，波段选择，植被制图

    更新于2025-09-10 09:29:36