基于高光谱图像与多线性判别分析的玉米种子分类

摘要： 种子纯度是评估种子质量的重要参数，可通过种子分类进行有效研究。本研究采集了1632粒玉米种子（17个品种）在400-1000纳米波段的高光谱图像用于品种分类。从高光谱数据中提取了14个特征（包括1个光谱特征和13个成像特征：5个一阶纹理特征与8个二阶纹理特征）?？⒘硕嘞咝耘斜鸱治觯∕LDA）算法来优选波长并转换/降维分类特征，从而提升高光谱图像的采集与处理速度?；贛LDA分别采用光谱特征、成像特征及二者组合特征，构建了最小二乘支持向量机分类模型。对比了MLDA、无信息变量消除（UVE）结合线性判别分析（LDA）以及连续投影算法（SPA）结合LDA的效果。实验表明：在相同波长数量（5-15个）条件下，基于MLDA波长选择算法的组合特征可获得最高分类准确率；同时，MLDA特征转换/降维方法构建的分类模型准确率达99.13%，显著优于SPA-LDA模型（90.31%）和UVE-LDA模型（94.17%），较全波段平均光谱模型准确率提升2.74%。该方法可有效应用于种子鉴别与分类。