返回當(dāng)前位置:主頁(yè)>新聞資訊>高光譜相機(jī)技術(shù)
來(lái)源:賽斯拜克 發(fā)表時(shí)間:2023-09-22 瀏覽量:1236 作者:
植物高光譜分類是一種利用高光譜圖像技術(shù)對(duì)植物進(jìn)行分類和識(shí)別的方法。高光譜圖像技術(shù)可以獲取植物表面反射的電磁波譜信息,從而得到植物的各種特征。在進(jìn)行植物高光譜分類時(shí),波段選擇是非常重要的,因?yàn)樗苯佑绊懙椒诸惖臏?zhǔn)確性和可靠性。以下是植物高光譜分類中波段選擇的幾個(gè)方面研究。
圖文摘要
研究背景:
高光譜傳感技術(shù)可以測(cè)量可見(jiàn)光到近紅外波段的反射率,并被用于對(duì)植物進(jìn)行分類和制圖,分類精度可達(dá)物種級(jí)別。
高光譜數(shù)據(jù)通常需要進(jìn)行一些特征選擇,以減少數(shù)據(jù)維度,以便構(gòu)建分類模型。
盡管已經(jīng)有大量關(guān)于高光譜植物分類的研究,但尚未對(duì)特征選擇方法和結(jié)果波段選擇進(jìn)行深入研究。
研究目標(biāo):
評(píng)估過(guò)去 22 年高光譜植被分類文獻(xiàn)中波段選擇頻率的總體情況、波段選擇頻率隨分類學(xué)、結(jié)構(gòu)或功能群體變化的情況,以及特征選擇方法選擇的影響。
比較了逐步判別分析(SDA)、支持向量機(jī)(SVM)和隨機(jī)森林(RF)等方法,以了解特征選擇方法對(duì)波段選擇的影響。
研究方法:
作者收集了過(guò)去 22 年發(fā)表的所有高光譜植被分類論文,并對(duì)這些論文中使用的特征選擇方法和結(jié)果波段進(jìn)行了分析。
作者還比較了 SDA、SVM 和 RF 三種方法在不同分類學(xué)、結(jié)構(gòu)或功能群體中的波段選擇情況。
主要發(fā)現(xiàn):
所有高光譜植物研究的特點(diǎn)都影響了所選擇的波段。這包括目標(biāo)樣本的分類學(xué)、結(jié)構(gòu)和功能群體,以及高光譜測(cè)量的方法和尺度,以及使用的特征選擇方法。
這些影響并不一致。
特征選擇方法的不同會(huì)導(dǎo)致波段選擇的很大差異,這使得很難分析不同研究中植物群體間波段選擇的差異。
SDA 方法可能不適合用作特征選擇方法,因?yàn)樗a(chǎn)生的波段選擇與其他特征選擇方法不一致。
在選擇特征選擇方法時(shí)應(yīng)謹(jǐn)慎:建議使用多種方法。所選的光譜特征集可以單獨(dú)由多個(gè)分類模型進(jìn)行評(píng)估,也可以組合成一個(gè)集合進(jìn)行單個(gè)分類器的評(píng)估。
在使用文獻(xiàn)中的波段推薦來(lái)指導(dǎo)新植物區(qū)分應(yīng)用的波段選擇或分類時(shí),應(yīng)謹(jǐn)慎,因?yàn)檫@些推薦在不同研究之間似乎難以推廣。
圖形概要
VIS/SWIR 研究 (350 - 2500 nm) 綠色、VIS/NIR 研究 (350 - 1100 nm) 藍(lán)色的波段選擇以 50 nm 間隔進(jìn)行分組。橙色填充的單元格代表由于噪聲而從研究中刪除的波段區(qū)域。選擇率是選擇給定 50 nm 區(qū)域進(jìn)行物種分類的研究的百分比。表中的每一行都是一項(xiàng)單獨(dú)的研究,每列都是 50 nm 范圍箱。綠色/藍(lán)色陰影區(qū)域表示從該范圍內(nèi)選擇的至少一個(gè)波段,而橙色陰影區(qū)域表示去除的波長(zhǎng)區(qū)域(例如主要吸水區(qū)域)。在該特定研究中,僅當(dāng)由于噪聲/大氣影響而移除整個(gè) 50 nm 區(qū)域時(shí),波長(zhǎng)箱才會(huì)被移除。
3 種樹(shù)木和電磁波譜 (400–2400 nm) 關(guān)鍵寬域的高光譜反射率示例。
冠層和葉尺度光譜每 50 nm 箱的 350–2500 nm 研究的特征選擇率
使用 SDA 特征選擇的 350–2500 nm 研究的特征選擇率,以及所有其他特征選擇方法組合的選擇率
350–2500 nm 研究的特征選擇率,使用冠層和葉尺度光譜的 SDA 特征選擇子集,以及所有其他特征選擇方法組合的選擇率。
( a ):50nm 處的波段特征選擇直方圖,按數(shù)據(jù)集排序。四個(gè)特征選擇器在同一數(shù)據(jù)集上運(yùn)行 10 個(gè)交叉驗(yàn)證(新數(shù)據(jù)集由 10 個(gè)類和每個(gè)交叉驗(yàn)證 200 個(gè)樣本組成)。( b ):圖5a的結(jié)果按特征選擇方法排序。(RF = 隨機(jī)森林,SDA = 逐步判別分析,SFFS = 順序浮動(dòng)特征選擇,SVM = 支持向量機(jī))
( a ) 直方圖波段特征選擇的 PCA 降維。( b )直方圖波段特征選擇的t分布隨機(jī)鄰域嵌入(T-SNE)降維。(c)直方圖波段特征選擇的均勻流形逼近和投影(UMAP)降維。
總結(jié):
高光譜植被分類是一個(gè)復(fù)雜的問(wèn)題,所有研究參數(shù)都會(huì)影響波段選擇。沒(méi)有一種通用的、高效的波段選擇方法??梢?jiàn)光波段和紅邊波段在植物分類中都很重要,但它們并不能提供足夠的區(qū)分度。特定的植物群體是否有特定的波段特征還不能確定,因?yàn)椴煌芯康慕Y(jié)果差異很大。未來(lái)的研究可以調(diào)查特征選擇器超參數(shù)選擇、數(shù)據(jù)預(yù)處理以及植被指數(shù)對(duì)波段選擇的影響。推薦指數(shù):????