科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2015年
15期
82-87
,共6页
杨可明%孙阳阳%刘飞%魏华锋%史钢强
楊可明%孫暘暘%劉飛%魏華鋒%史鋼彊
양가명%손양양%류비%위화봉%사강강
高光谱遥感%叶绿素含量%BP反演模型%输入因子%小波包变换%主成分分析
高光譜遙感%葉綠素含量%BP反縯模型%輸入因子%小波包變換%主成分分析
고광보요감%협록소함량%BP반연모형%수입인자%소파포변환%주성분분석
hyperspectral RS%chlorophyll content%BP inversing model%input factors%wavelet packets transform%principal component analysis
植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型.高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构.以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPT-PCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型.通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92％信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力.
植被葉綠素含量的高光譜反縯是噹今研究的熱點,傳統後嚮傳播(BP)神經網絡是其常用的一種反縯模型.高光譜數據雖然具有精細光譜分辨率,但也造成瞭大量的信息冗餘與譟聲;而小波包變換(WPT)可以有效地抑製高光譜數據譟聲和壓縮信號,同時主成分分析(PCA)能夠很好地降低模型輸入因子的維數併可簡化網絡結構.以盆栽玉米為研究對象,在玉米葉片光譜數據對數變換併一階微分處理的基礎上,針對葉綠素含量的BP反縯模型,提齣瞭基于相關繫數(CC)、WPT和WPT-PCA的輸入因子構建方法,併形成瞭葉綠素含量的CC-BP、PCA-BP及WPT-PCA-BP三種反縯模型.通過比較玉米葉片葉綠素含量的實測值與三種BP模型反縯結果,錶明基于WPT-PCA構建BP模型的輸入因子數量雖僅有6箇卻併不影響其反縯精度,也能包含原始光譜的92％信息,且優于基于PCA和傳統CC所構建輸入因子的BP模型反縯能力.
식피협록소함량적고광보반연시당금연구적열점,전통후향전파(BP)신경망락시기상용적일충반연모형.고광보수거수연구유정세광보분변솔,단야조성료대량적신식용여여조성;이소파포변환(WPT)가이유효지억제고광보수거조성화압축신호,동시주성분분석(PCA)능구흔호지강저모형수입인자적유수병가간화망락결구.이분재옥미위연구대상,재옥미협편광보수거대수변환병일계미분처리적기출상,침대협록소함량적BP반연모형,제출료기우상관계수(CC)、WPT화WPT-PCA적수입인자구건방법,병형성료협록소함량적CC-BP、PCA-BP급WPT-PCA-BP삼충반연모형.통과비교옥미협편협록소함량적실측치여삼충BP모형반연결과,표명기우WPT-PCA구건BP모형적수입인자수량수부유6개각병불영향기반연정도,야능포함원시광보적92％신식,차우우기우PCA화전통CC소구건수입인자적BP모형반연능력.
