%0 Journal Article
%T 基于无人机多光谱图像的云南松虫害区域识别方法
%A 张军国
%A 胡春鹤
%A 韩欢庆
%A 骆有庆
%J 农业机械学报
%D 2018
%X 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
%K 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
%U http://www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20180529&flag=1