计算机应用

作者：袁博, 黄宪通

单位：南阳理工学院 信息工程学院，河南 南阳 473004

关键词：作物种植区域,高光谱波段选择,马氏距离,吉布斯-马尔可夫随机场,空间滤波,类别可分性

基金：河南省科技攻关项目(252102220048);南阳理工学院交叉科学研究项目(520105)

针对作物种植区域的高光谱遥感图像波段选择中规则纹理特征挖掘不足导致分类精度受限的问题，提出一种基于马氏距离结合吉布斯-马尔可夫随机场（GMRF）空间滤波的波段选择算法。首先，针对作物种植区域普遍存在的规则纹理特征，通过建立GMRF模型对高光谱图像进行空间滤波，从而在降低噪声和冗余信息的同时保留并强化纹理特征，并增强地物之间的特征差异；其次，基于马氏距离和比值法建立类别可分性度量指标，计算每个波段对该指标的贡献值，并依据贡献值大小进行波段排序，从而选择排序靠前的指定数量波段作为算法输出。采用包含大量作物种植区域的Indian Pines高光谱数据集进行波段选择和最大似然分类实验，结果表明，相较于遗传算法、连续投影法和峰值聚类法这3种参考算法中的最优性能指标，该算法的平均相关性、总体分类精度和Kappa系数分别改善了3.37%、2.90%和6.70%。可见，该算法有效融合了作物空间纹理与光谱协方差特征，为精准农业中的作物分类与长势监测提供了具有明确物理解释性的特征选择方案。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期