四川农业大学学报
四川農業大學學報
사천농업대학학보
JOURNAL OF SICHUAN AGRICULTURAL UNIVERSITY
2013年
3期
264-268
,共5页
高光谱%树种%神经网络%光谱分析
高光譜%樹種%神經網絡%光譜分析
고광보%수충%신경망락%광보분석
[目的]通过分析树种间的光谱差异及改进分类算法以提高树种信息提取精度.[方法]文章采用安徽省砀山县EO-1 Hyperion影像,通过不同树种光谱信息的差异分析,筛选出区分树种信息的光谱指标,并采用改进的BP神经网络模型完成树种信息提取.[结果]结果表明,原始反射率和一阶微分部分光谱波段可用于树种识别,且一阶微分光谱的差异大于原始反射率;引入动量项和遗传算法改进的BP神经网络模型树种识别精度较传统BP神经网络提高8.5%,Kappa系数提高0.12.[结论]该方法可以实现较为准确的树种信息提取,能够达到对林业工程进行监测的目的,对快速评价工程质量有重要意义.
[目的]通過分析樹種間的光譜差異及改進分類算法以提高樹種信息提取精度.[方法]文章採用安徽省碭山縣EO-1 Hyperion影像,通過不同樹種光譜信息的差異分析,篩選齣區分樹種信息的光譜指標,併採用改進的BP神經網絡模型完成樹種信息提取.[結果]結果錶明,原始反射率和一階微分部分光譜波段可用于樹種識彆,且一階微分光譜的差異大于原始反射率;引入動量項和遺傳算法改進的BP神經網絡模型樹種識彆精度較傳統BP神經網絡提高8.5%,Kappa繫數提高0.12.[結論]該方法可以實現較為準確的樹種信息提取,能夠達到對林業工程進行鑑測的目的,對快速評價工程質量有重要意義.
[목적]통과분석수충간적광보차이급개진분류산법이제고수충신식제취정도.[방법]문장채용안휘성탕산현EO-1 Hyperion영상,통과불동수충광보신식적차이분석,사선출구분수충신식적광보지표,병채용개진적BP신경망락모형완성수충신식제취.[결과]결과표명,원시반사솔화일계미분부분광보파단가용우수충식별,차일계미분광보적차이대우원시반사솔;인입동량항화유전산법개진적BP신경망락모형수충식별정도교전통BP신경망락제고8.5%,Kappa계수제고0.12.[결론]해방법가이실현교위준학적수충신식제취,능구체도대임업공정진행감측적목적,대쾌속평개공정질량유중요의의.