为探究高光谱影像丰富的光谱信息对山区茶园的提取效果, 促进国产卫星高光谱影像在茶园分布制图与资源监测中的应用, 以普洱市南部山区茶园典型分布区为研究区, 以高分五号AHSI(GF-5 AHSI)影像以及数字高程模型(DEM)为主要数据源, 结合实地调查数据, 构建基于随机森林(RF)分类器的亚热带山区茶园提取算法。 首先, 将去除噪声影响后剩余的250个波段作为光谱特征(SF); 在分析研究区主要地物(茶园、 森林、 农田)光谱的基础上, 分别构建植被指数特征(VIF)45个, 地形特征(TRF)3个。 然后, 利用RF进行特征重要性排序, 按照特征重要性从大到小依次将特征输入RF分类器进行茶园提取, 随着特征的不断输入, 茶园提取的F1-Score达到饱和不再明显增加时的特征维度即为最优选择特征。 依据3种特征因子(SF, VIF和TRF)构建12种分类方案。 最后, 比较12种方案的茶园提取精度, 最终确定最优方案。 结果显示, 不同特征组合茶园提取F1-Score排序为SF+VIF+TRE+FS>TRF+VIF+FS>SF+TRF+FS>TRF+VIF>VIF+FS>SF+VIF+FS>SF+VIF+TRF>SF+FS>SF+TRF>VIF>SF+VIF>SF。 FS后6种分类方案中, SF参与分类的4种方案中被选中2次的波段为b4、 b5、 b6、 b27、 b133、 b150和b281; 在VIF参与分类的4种方案中被选中4次的指数分别为REP、 VOG2、 SR2、 SR3、 WBI、 TIP3和TIP9; TRF参与分类的4种方案中坡度、 坡向、 高程均被选中。 此外, SF+TRF+VIF特征进行FS后结合RF算法能够对亚热带茶园分布进行有效识别, 具有较好的识别精度和可信度, GF-5 AHSI卫星数据在茶园分布制图和资源监测等领域有着较好的应用潜力和前景。

面瘫是一种多发的面神经疾病, 表现为患侧面神经功能失调, 严重影响患者的正常生活和人际交往。 面神经功能自动评估方法对于面瘫的诊治是至关重要的。 面部神经功能受损导致体表温度分布发生改变, 可以通过红外热成像采集患者的面部温度分布不对称特征, 基于红外热成像提出一种面神经功能自动评估新方法, 融合温度特异性和边缘检测自动将面部红外热像划分为左右对称的八个区域, 提取面部温度不对称特征, 包括温差、 有效热面积比和温度分布不对称度, 采用径向基神经网络作为面神经功能自动分类器。 实验收录了390幅单侧患病的面瘫患者正面红外热像图, 结果显示： 采用径向基神经网络的红外热成像面神经功能自动分类器的平均分类准确率为94.10%, 比采用K近邻分类器和支持向量机分类器分别提高了9.31%和4.87%, 优于传统的House-Brackmann面神经功能评估方法, 对面神经功能的分类精度完全符合临床应用标准, 可以有效评估面瘫患者的面神经功能, 有助于面瘫的临床诊断与治疗。