基于SVM与RF的无人机高光谱农作物精细分类

农作物精细分类是农业遥感的关键一步,无人机高光谱遥感为农作物精细分类提供了高效有利的途径.为了快速准确地实现农作物信息提取和分类,获取了研究区无人机高光谱影像,对影像开展一阶导数变换等预处理,并以此为基础对初始影像、一阶导数(FD)影像做MNF降维变换、特征波段选择等特征提取,从而获得初始影像、FD影像、MNF影像以及FD-MNF影像.最后应用SVM和RF建立了研究区4类典型农作物遥感判识模型,并采用Kappa系数和总体精度等评价参数对分析结果进行评价.研究结果表明,RF分类模型结果精度高达88％以上,同类影像RF分类结果精度比SVM高1％～5％,且与SVM方法相比RF对研究区农作物植株的提取效果更优;光谱曲线经一阶导数变换后只突出了大豆作物的光谱信息,导致分类结果精度降低;在所有分类模型中影像经MNF降维变换后分类效率及影像分类精度均有提高.采用无人机高光谱影像对研究区主要农作物进行精细分类,为后续研究区内农情监测等提供了有力的依据和支撑.