Classification fine des cultures basée sur les images hyperspectrales UAV et la forêt aléatoire

La classification des images hyperspectrales des véhicules aériens sans pilote est d'une grande importance dans le suivi agricole. Cet article étudie une méthode de classification fine des cultures basée sur la transformation de caractéristiques combinée à la forêt aléatoire (RF). Visant le problème d'un grand nombre de spectres et d'une quantité importante de calcul, trois méthodes de transformation de caractéristiques pour la réduction de dimension, le minimum noise fraction (MNF), l'analyse en composantes indépendantes (ICA) et l'analyse en composantes principales (PCA), ont été étudiées. Ensuite, la RF a été utilisée pour classifier finement une variété de cultures dans les images hyperspectrales. Les résultats ont montré : (1) La combinaison MNF-RF était la meilleure combinaison de classification dans cette étude. Les meilleures précisions de classification du jeu d'échantillons aléatoires MNF-RF dans les régions de Longkou et Honghu étaient respectivement de 97,18 % et 80,43 % ; par rapport à l'image originale, la précision de classification RF a été améliorée de 6,43 % et 8,81 %, respectivement. (2) Pour cette étude, la précision globale de classification de la RF dans les deux régions était positivement corrélée au nombre de points d'échantillons aléatoires. (3) L'image après transformation de caractéristiques était moins affectée par le nombre de points d'échantillons que l'image originale. La courbe de transformation MNF de la précision globale de classification RF dans les deux régions variait avec le nombre de points d'échantillons aléatoires, mais était la plus fluide et la moins affectée par le nombre de points d'échantillons, suivie des courbes de transformation PCA et ICA. Les précisions globales de classification de MNF-RF dans les régions de Longkou et Honghu n'ont pas dépassé 0,50 % et 3,25 %, respectivement, avec la fluctuation du nombre de points d'échantillons. Cette recherche peut fournir une référence pour la classification fine des cultures basée sur des images hyperspectrales portées par des UAV.