基于模糊判别成分分析法的高光谱作物信息提取与分类

来源：农业工程学报杂志2019年第21期北京时间：

作者：杨晨,董丽芳,赵海士,常志勇,

摘要：针对高光谱遥感影像的高维性、不确定性及作物光谱变异性问题，传统信息提取方法不适用于高光谱遥感影像作物分类，该文基于一种调节学习方法，引入模糊统计学相关理论，提出模糊判别成分分析（fuzzy-statistics-based discriminative component analysis, FS-DCA）用于提取利于作物分类的高光谱遥感特征空间。首先定义模糊统计学数字特征，利用分块统计建立模糊可分特征子空间，抑制噪声像元造成的不确定性。将主成分分析（principal component analysis, PCA）及判别成分分析（discriminative component analysis, DCA）与FS-DCA所提取特征和原始全部波段分别应用于AVIRIS Indian Pines 92AV3C高光谱遥感影像中进行分类。结果表明，利用FS-DCA的7个特征进行作物分类获得的平均总体精度比采用全部波段、PCA和DCA分别高出6.88、3.28和0.5个百分点，种植作物的生产者精度与用户精度比传统方法提高1.37~18.47个百分点。该方法有效减少了高光谱影像维数，可为作物信息提取与分类提供参考。

关键词：光谱, 作物, 分类, 特征提取, 模糊统计学, 判别成分分析