基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法

    公开(公告)号:CN112557393B

    公开(公告)日:2024-02-20

    申请号:CN202011303981.9

    申请日:2020-11-19

    Abstract: 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法,步骤包括:采集小麦冠层高光谱影像数据和实测小麦叶层氮含量;首先,进行影像预处理,提取光谱反射率,计算植被指数、位置和形状特征,利用卷积神经网络提取深层特征。其次,通过相关系数分析、随机森林算法进行特征优选,利用并行融合策略构建新的融合图谱特征。最后,利用粒子群优化支持向量回归方法,构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强,适用于小麦全生育期,同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。

    基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法

    公开(公告)号:CN112557393A

    公开(公告)日:2021-03-26

    申请号:CN202011303981.9

    申请日:2020-11-19

    Abstract: 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法,步骤包括:采集小麦冠层高光谱影像数据和实测小麦叶层氮含量;首先,进行影像预处理,提取光谱反射率,计算植被指数、位置和形状特征,利用卷积神经网络提取深层特征。其次,通过相关系数分析、随机森林算法进行特征优选,利用并行融合策略构建新的融合图谱特征。最后,利用粒子群优化支持向量回归方法,构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强,适用于小麦全生育期,同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。

    基于子窗口重排法提取敏感参数构建小麦叶片白粉病早期监测模型的方法

    公开(公告)号:CN106777845A

    公开(公告)日:2017-05-31

    申请号:CN201710172841.4

    申请日:2017-03-22

    Abstract: 本发明提供了基于子窗口重排法(SPA)提取敏感参数构建小麦叶片白粉病早期监测模型的方法,包括以下步骤:1)获取感病小麦叶片的高光谱反射率;2)利用SPA算法从高光谱反射率的原始波段中提取敏感波段;3)选择现有研究中与病害可能相关的光谱指数,利用SPA算法从所述光谱指数中提取敏感光谱指数;4)利用偏最小二乘‑线性判别分析法,将所述敏感波段或所述敏感光谱指数作为分输入变量,构建小麦白粉病早期监测模型;5)用二分类算法对所述小麦白粉病早期监测模型进行检验,且基于独立易感品种用留一交互检验法评价模型表现。综上,基于SPA提取的小麦白粉病敏感光谱特征准确且波段少、构建的小麦白粉病监测模型简单准确性高稳定性好。

Patent Agency Ranking