化工儀器網手機版
移動端訪問更便捷
堆疊光譜特征空間圖：基于CNN的高光譜遙感影像作物分類
2022年02月21日 13:42:01
來源：化工儀器網 作者：楊 點擊量：6412
近日，北京師范大學聯合中國農業科學院作物科學研究所在《作物學報》(The Crop Journal)在線發表研究論文，提出了一種新穎的光譜特征——堆疊光譜特征空間圖(stacked spectral feature space patch，SSFSP)，用于基于CNN的高光譜遙感影像作物分類。
【化工儀器網 項目成果】人以食為天。食物在人類日常生活中的重要性無可取代。而生產食物，無論是加工產品還是初級產品，都離不開農作物。農作物包括糧食作物﹑經濟作物(如油料作物、蔬菜作物等)兩大類。
對農作物的品種進行認定和分類，有利于加強對作物新品種的管理和合理推廣。高光譜遙感數據包含豐富的光譜信息，被廣泛應用于作物分布和動態變化的監測，在精準農業作物類型分類中發揮著不可替代的作用。目前，特征的利用主要包括專家知識參與的傳統特征選擇和與卷積神經網絡(CNN)緊密結合的自動特征選取。CNN自動特征選取可從輸入數據中自動提取面向領域的高級特征，從而達到更高的分類精度。但是與挖掘空間特征相比，CNN在挖掘光譜特征方面仍然不足。
目前，傳統特征選擇已被相關研究證明可提高包含CNN在內多類分類器的精度，將傳統特征選擇方法與CNN高級空間特征自動提取相結合是一種逐漸流行的分類策略。但是，現在的結合方法并未綜合利用空間特征與光譜信息，也未在作物分類中體現高光譜影像的豐富光譜信息。同時利用傳統特征選擇挖掘光譜特征，并與CNN結合自動提取面向領域的高級特征的方法還有待進一步研究。
近日，北京師范大學聯合中國農業科學院作物科學研究所在《作物學報》(The Crop Journal)在線發表研究論文，提出了一種新穎的光譜特征——堆疊光譜特征空間圖(stacked spectral feature space patch，SSFSP)，用于基于CNN的高光譜遙感影像作物分類。該特征將原隱性的光譜特征轉換為顯性的空間特征，可與二維CNN相結合以同時挖掘光譜和空間特征。多個高空間分辨率高光譜數據集的比較研究表明，SSFSP相較于原始光譜的輸入，可獲得更高的分類精度。
相關論文信息：
Stacked spectral feature space patch: An advanced spectral representation for precise crop classification based on convolutional neural network
相關閱讀 Related Reading
查看更多+-
項目名稱：中國科學院高能物理研究所高精度X射線反射鏡和光柵采購項目，項目編號：0729-254OIT360389/02，招標范圍：...2025-06-19 15:15:10
-
近日，北京市臨床藥學研究所就“臨床合理用藥評價項目科研設備”發布公開招標公告，預算金額為770萬元。2025-06-19 09:37:30
-
近日，昆明海關就“昆明海關2025年實驗室儀器設備采購項目”發布公開招標公告，預算金額為224.3萬元。2025-06-19 08:46:04
-
近日，廣西農業職業技術大學委托廣西機電設備招標有限公司組織公開招標，為中草藥專業教學科研采購傅里葉變換紅外光譜儀、臺式高速離心機等...2025-06-18 08:32:48
-
項目名稱：上海應用技術大學圓二色光譜儀項目，項目編號：0773-2541SHHW0013，招標范圍：上海應用技術大學現引進圓二色光...2025-06-17 15:05:34
-
近日，武漢理工大學委托湖北昱鴻信招標咨詢有限公司組織公開招標，采購穩態瞬態熒光光譜儀、帶電實驗臺等實驗室設備，預算220萬元。2025-06-17 15:03:47
版權與免責聲明
- ①凡本網注明“來源：化工儀器網”的所有作品，均為浙江興旺寶明通網絡有限公司-化工儀器網合法擁有版權或有權使用的作品，未經本網授權不得轉載、摘編或利用其他方式使用上述作品。已經本網授權使用作品的，應在授權范圍內使用，并注明“來源：化工儀器網”。違反上述聲明者，本網將追究其相關法律責任。
- ②本網轉載并注明自其他來源（非化工儀器網）的作品，目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時，必須保留本網注明的作品第一來源，并自負版權等法律責任。
- ③如涉及作品內容、版權等問題，請在作品發表之日起一周內與本網聯系，否則視為放棄相關權利。
