基于低秩自动编码器及高光谱图像的茶叶品种鉴别

摘要

提出一种基于低秩自动编码器及高光谱图像技术的茶叶品种鉴别方法.应用高光谱成像系统采集5个品种的茶叶样本高光谱图像数据,利用ENVI软件确定高光谱图像的感兴趣区域(ROI),并提取茶叶样本在ROI的平均光谱作为该样本的原始光谱数据.由于高光谱信息量大、冗余性强且存在噪声,运用自动编码器和低秩矩阵恢复结合的低秩自动编码器(LR-SAE)对原始光谱数据进行降维,在自动编码器降维基础上加入去噪处理,提取鲁棒判别特征.在此基础上应用支持向量机(SVM)和Softmax分类算法对降维后的茶叶样本高光谱数据分类.通过5折交叉试验验证,LR-SAE-SVM模型的预测集准确率达到99.37％,SAE-SVM模型的预测集准确率为98.82％;LR-SAE-Softmax模型的预测集准确率达99.04％,SAE-Softmax模型的预测集准确率为97.99％.研究结果表明,相较于未进行去噪处理的传统自动编码器,LR-SAE降维之后的分类建模效果有所提升,将其应用于茶叶品种鉴别是可行、高效的.