【技术实现步骤摘要】
一种基于主成分分析的高光谱小麦条锈病分类识别方法
[0001]本专利技术涉及高光谱识别领域，尤其是一种基于主成分分析的高光谱小麦条锈病分类识别方法。
技术介绍
[0002]小麦条锈病是一种常见的严重影响大面积小麦产量的真菌性小麦作物病害，给农业经济带来重大的损失。如何实现对小麦条锈病分类识别，并进一步提高小麦条锈病预警防控，一直是我国农作物植保领域的重点与难点。遥感成像技术是当前农业病虫害监测防控的重要技术手段，传统的多光谱遥感技术由于其光谱范围下载、光谱波段不足，在小麦条锈病等复杂环境下病虫害的识别过程中精度不够。
[0003]连续的反射光谱是不同物质之间区分辨别的重要标志，是地物的“指纹”，高光谱遥感成像技术是指获取地物光谱分辨率在10
‑2λ数量级范围内的三维光谱图像。由于其同时获取二维影像和一维光谱，实现了图谱合一，既有多光谱图像的纹理和形状等空间特征，同时包含更丰富的光谱特征信息，在小麦条锈病等复杂目标分类识别中具有巨大发展前景。
[0004]高光谱图像信息丰富、光谱连续，包含小麦条锈病识别...
【技术保护点】
【技术特征摘要】
1.一种基于主成分分析的高光谱小麦条锈病分类识别方法，其特征在于包括如下步骤：步骤1、对小麦高光谱数据进预处理，去除光照、阴影造成的数据噪声；步骤2、对全谱段高光谱图像进行主成分分析变换，根据分析结果确定保留的主成分数量；步骤3、将主成分分析保留的结果输出成影像，并作为支持向量机的样本，进行小麦条锈病分类识别。2.跟据权利要求1所述的基于超像素分割的高光谱分类识别方法，其特征是：步骤1中，在自然环境下获取的高光谱数据存在大量噪声，进行预处理时，消除由于散射水平不同带来的光谱差异，从而增强光谱域数据之间的相关性，然后进行平滑处理，在不改变信号趋势、宽度的情况下提高数据的精度。3.跟据权利要求2所述的基于超像素分割的高光谱分类识别方法，其特征是：采用MSC方法消除由于散射水平不同带来的光谱差异，假设所有光谱数据的平均值作为理想光谱，求的所有光谱数据的平均值作为理想光谱；将每个样本的光谱与平均光谱进行一元线性回归，求解最小二乘问题得到每个样本的基线平移量和偏移量；对每个样本的光谱进行校正：减去求得的基线平移量后除以偏移量，得到校正后的光谱；进一步地，在去除基线偏移后，光谱中还包含局部的细小噪声，采用SG平滑在不改变信号趋势、宽度的情况下提高数据的精度，具体如下：设一个窗口内的一组数据为x[i],i＝
‑
m,...0,...m，i取值为2m+1个连续的整数值，现构造一个n阶多项式(n≤2m+1)来拟合这组数据：拟合数据点与原数据点的残差平方和为使用最小二乘法，要使拟合结果最好，则残差平方和应最小，即E对该多项式的系数b
nk
求偏导应为0
得到当需要拟合的单边点数m，多项式的阶次n，及待拟合的数据x[i]已知后，即可求处该多项式，拟合出来的多项式用来求取该窗口内的中心点估计值，而对于后面的点，不断移动窗口重复操作即可，进一步求解后得到计算a
n0
相当于原始数据进行一次FIR滤波，意味着输入与滤波器的单位冲激响应进行卷积就可以得到输出SG平滑提供卷积系数表，根据系数使用离散卷积即可快速得到该窗口内的中线点平滑值；SG平滑公式为：其中，为平滑系数，由最小二乘法拟合多项式求得。4.跟据权利要求1所述的基于超像素分割的高光谱分类识别方法，其特征是：在步骤2中，S2.1、首先将高光谱数据整理成若干样本的形式，按照列为维度，行为样本的形式将三维数据转为二维数据，然后对所有特征进行中心化处理，即求每一个特征的平均值，然后对所有的样本，每一个特征都减去自身的均值；S2.2、计算中心化后矩阵的协方差，获得所有样本在所有维度的协方差矩阵,求协方差矩阵的特征值和相对应的特征向量，得到的特征值矩阵按照从大到小的顺序排列在特征值矩阵的对角线；S2.3、将原始特征投影到选取的特征向量上，得到主成分分析的前几个主成分，也就是降维后的K维特征，选取最大的前k个特征值...
【专利技术属性】
技术研发人员：宋志华，陈雪，聂敏，李阳，王春畅，张志恒，曹书森，陈建勇，张志强，
申请(专利权)人：山东产研绿色与健康研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。