农业机械学报

作者：张军国,韩欢庆,胡春鹤,骆有庆

单位：北京林业大学,北京林业大学,北京林业大学,北京林业大学,

关键词：无人机多光谱图像;森林虫害监测;特征提取;反向传播神经网络;J-M距离

基金：北京市科技计划项目（Z171100001417005）和中央高校基本科研业务费专项资金项目（2016ZCQ08）

针对云南省祥云县林区云南松虫害区域高效识别的需求，为更加高效准确地对虫害信息进行监测，本文搭建了林区八旋翼多光谱图像采集平台，基于无人机多光谱图像提出了一种Jeffries-Matusita（J-M）距离优化的反向传播神经网络（BP）分类方法。该方法首先引入J-M距离实现了对训练样本的优化，有效降低了“同谱异物”和“同物异谱”现象的影响，然后基于颜色矩和灰度共生矩阵提取了图像的颜色和纹理特征，并提取了580、680、?800Nm?共3个波段的相对光谱反射率作为光谱值特征，建立了5个植被指数模型，最后利用BP神经网络算法对颜色、纹理、光谱值和植被指数4种特征向量进行训练识别，实现了对虫害区域的分类识别。利用所提算法从总体分类精度和Kappa指数两方面与传统BP神经网络和支持向量机（SVM）算法进行对比试验。试验结果表明，本文算法总体分类精度和Kappa指数分别达到了94.01%和0.92，建模时间相对于传统BP神经网络缩短了38%，总体分类效果优于传统BP神经网络和SVM算法。

来源：2018年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第5期