基于神经网络的多光谱信息融合的树种识别算法研究

为了解决传统识别算法识别树种时存在识别精准度低的问题,提出基于神经网络的多光谱信息融合的树种识别算法。根据神经网络结构图,设计多光谱信息融合识别模型,分析树种识别原理。依据神经网络子网识别框架,获取并行子网数量,训练输出组合成向量。依据目标特征向量序列获取输出组合维向量,获取树种识别概率。将该概率作为归一化隶属度,满足赋值基本要求,输出全部融合结果。提取枝下高、冠高和树高关键点信息,设计树种识别算法流程,完成树种识别。实验结果表明,该算法最高识别精准度可达到98%,为云南地区树种识别提供可靠依据。

多光谱图象的真实感融合

多光谱信息融合是指将从多光谱探测器获得的同一场景的多光谱信息特征组合到一起 ,并利用它们在时空上的相关性及信息上的互补性 ,以得到对景物更全面、清晰的描述 ,其真实感成像是指融合后的图象能保留原多光谱图象目标在特定条件下的光谱特征 .针对用同一种方法来融合不同场景图象存在的问题 ,通过分析现有融合方法的优缺点和它们适用的场合 ,提出了一种综合的图象融合方法 .该方法对相关性较弱 ,且互补性明显的图象对 ,采用一种新的基于人类视觉系统 HVS的自适应加权平均的融合方法来进行融合 ,这样能突出目标的光谱特性 ;而对于相关性较强的图象对 ,则根据场景目标距离的远近 ,分别采用小波变换和主成份分析来进行融合 .实验表明 ,该方法能适合于不同类型的场景 ,其得到的融合结果优于用单种方法进行融合的结果 ,也有利于对目标的探测和识别 .

光谱分析技术在野生食用牛肝菌研究中的应用研究进展

牛肝菌具有重要的食药用和经济价值,是世界性美味野生食用菌。其质量安全可控是保障消费者健康及产业绿色持续发展的基础,建立全面、稳定、系统的质量评价方法有利于强化牛肝菌质量控制,对市场稳定发展具有重要意义。光谱分析技术具有简便、快速、实用性强等特点,能够弥补传统感官评定的缺陷,提高分析准确性,广泛用于牛肝菌品质研究,是评价牛肝菌品质优劣、鉴别真伪以及确保其质量稳定一致的重要技术支撑。本文对近年国内外光谱分析技术在野生食用牛肝菌研究方面的应用现状和进展进行综述,探讨了红外、紫外光谱及多光谱信息融合技术在牛肝菌产地、种类、贮藏年限鉴别评价等方面的应用前景,以期为牛肝菌的深入研究和合理开发利用提供参考。