基于特征过滤法和Stacking集成学习的无人机影像作物精细分类

打开文本图片集

摘  要： 针对目前多种典型作物分类中特征冗余导致同科作物混淆、分类精度低的问题，文中提出一种结合特征过滤法筛选特征和Stacking集成学习的作物精细分类方法。首先，结合敏感波段构造新型植被指数并进行阈值分割，实现作物区域提取；然后，提取不同作物的颜色和纹理特征，进而计算单类作物特征系数和作物间特征差异系数，实现各典型作物的分类特征过滤法优选；最后，构建融合多种机器学习算法的Stacking集成学习作物分类模型，其中第一层的基学习器选择随机森林、支持向量机、K⁃最近邻算法，第二层的元学习器选择逻辑回归模型，实现多种典型作物精细分类。（剩余15452字）