化工仪器网手机版
移动端访问更便捷
堆叠光谱特征空间图：基于CNN的高光谱遥感影像作物分类
2022年02月21日 13:42:01
来源：化工仪器网 作者：杨 点击量：6380
近日，北京师范大学联合中国农业科学院作物科学研究所在《作物学报》(The Crop Journal)在线发表研究论文，提出了一种新颖的光谱特征——堆叠光谱特征空间图(stacked spectral feature space patch，SSFSP)，用于基于CNN的高光谱遥感影像作物分类。
【化工仪器网 项目成果】人以食为天。食物在人类日常生活中的重要性无可取代。而生产食物，无论是加工产品还是初级产品，都离不开农作物。农作物包括粮食作物﹑经济作物(如油料作物、蔬菜作物等)两大类。
对农作物的品种进行认定和分类，有利于加强对作物新品种的管理和合理推广。高光谱遥感数据包含丰富的光谱信息，被广泛应用于作物分布和动态变化的监测，在精准农业作物类型分类中发挥着不可替代的作用。目前，特征的利用主要包括专家知识参与的传统特征选择和与卷积神经网络(CNN)紧密结合的自动特征选取。CNN自动特征选取可从输入数据中自动提取面向领域的高级特征，从而达到更高的分类精度。但是与挖掘空间特征相比，CNN在挖掘光谱特征方面仍然不足。
目前，传统特征选择已被相关研究证明可提高包含CNN在内多类分类器的精度，将传统特征选择方法与CNN高级空间特征自动提取相结合是一种逐渐流行的分类策略。但是，现在的结合方法并未综合利用空间特征与光谱信息，也未在作物分类中体现高光谱影像的丰富光谱信息。同时利用传统特征选择挖掘光谱特征，并与CNN结合自动提取面向领域的高级特征的方法还有待进一步研究。
近日，北京师范大学联合中国农业科学院作物科学研究所在《作物学报》(The Crop Journal)在线发表研究论文，提出了一种新颖的光谱特征——堆叠光谱特征空间图(stacked spectral feature space patch，SSFSP)，用于基于CNN的高光谱遥感影像作物分类。该特征将原隐性的光谱特征转换为显性的空间特征，可与二维CNN相结合以同时挖掘光谱和空间特征。多个高空间分辨率高光谱数据集的比较研究表明，SSFSP相较于原始光谱的输入，可获得更高的分类精度。
相关论文信息：
Stacked spectral feature space patch: An advanced spectral representation for precise crop classification based on convolutional neural network
相关阅读 Related Reading
查看更多+-
近日，扬州市中医院发布招标公告，计划对“扬州市中医院中心实验室设备采购项目”公开招标，预算640万。2025-05-14 13:23:11
-
近日，云南中医药大学第二附属医院就“云南中医药大学第二附属医院2025年基础性综合性诊疗能力设备采购项目”发布公开招标公告，预算金...2025-05-13 09:16:08
-
近日，重庆市生态环境科学研究院就“2025年环境科研能力建设”项目发布公开招标公告，预算金额为2509.8万元。2025-05-09 09:52:18
-
近日，中国农业科学院棉花研究所就“中国农业科学院棉花所西部作物基因编辑与生物育种平台仪器设备购置项目”发布公开招标公告，预算金额为...2025-05-09 09:12:18
-
据化工仪器网不完全统计，4月中国政府采购网可统计到的光谱仪中标数量为175套，中标金额为5513.46万元，平均单价为31.51万...2025-05-08 15:32:13
-
近日，青海大学就“青海大学生态学一流学科（生物多样性保护与生物极端环境适应机制方向）项目”发布公开招标公告，预算金额为253万元。2025-05-08 09:44:39
版权与免责声明
- ①凡本网注明“来源：化工仪器网”的所有作品，均为浙江兴旺宝明通网络有限公司-化工仪器网合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其他方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：化工仪器网”。违反上述声明者，本网将追究其相关法律责任。
- ②本网转载并注明自其他来源（非化工仪器网）的作品，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。
- ③如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。
