基于无人机多光谱图像的地物类型识别

摘  要：针对地表物体分类识别的需求，本文采用四旋翼无人机搭载多光谱相机平台，采集了多光谱地物图像。首先对获取的多光谱图像进行校正与去噪，然后分别提取了475、560、668、840、717nm共5个通道的灰度均值、6个植被指数、16个纹理等多种特征参数。接着，为了有效克服自变量存在的多重共线性问题，使用逐步回归、偏最小二乘、主成分分析-极限学习机进行训练建模，完成了对四种不同地物类型的分类与识别。实验结果表明，采用以上三种算法所建立模型的分类准确率分别为88.33%、90.00%、91.67%。最后，研究分析了不同模型的分类准确率、建模速度与训练样本数量之间的关系。对比结果表明，当训练样本数量较少时，增加训练样本数量均有助于显著提高模型的分类精度，而当训练样本数量较多时则没有明显作用；在保证分类精度的前提下，三种模型的建模速度都较快，逐步回归模型则为约0.9s，偏最小二乘模型约为0.5s，主成分分析-极限学习机模型约为2.2s。本文的研究为地物类型分类识别提供了一种快速、有效的方法。

关键词：无人机；多光谱图像；地物类型识别；逐步回归；偏最小二乘；主成分分析-极限学习机