崔晓晖，陈 民，陈志泊，许 福，王新阳

（北京林业大学 a.信息学院；b.林业智能信息处理工程技术研究中心，北京 100083）

林木的物候变化反应了其生长、发育规律，同时也是气候变化的重要指示器[1]。精准的进行林木物候期识别对林木病虫害防治、林区管理、林木培育及研究气候变化对森林生态系统结构和功能的影响均具有重要意义[2-3]。

传统的林木物候期识别主要是人工实地对观察点的林木物候进行记录[4]。该方法较为准确，但占用大量人力物力，相对低效，较难适用于长期物候监测。随着数码照相技术的发展及配套设施的完善，架设相机定时拍摄成为物候观测的新兴手段[5-7]。Lei等[8]以长白山阔叶红松林为研究对象，探讨了数字相机图像在物种尺度物候模拟及群落尺度物候模型改进方面的作用，研究表明，数字相机可提供精确地基于物种尺度的物候数据[9]。Gulac 等[10]采用方向梯度直方图（Histograms of oriented gradients，HOG）算法与支持向量机（Support vector machine，SVM）相结合的方法对玉米等植物像片的物候期进行分类，得出了最高100%分类正确率的分类模型。Yalcin 等[11]对土耳其物候观测网络图像数据集中6 种植物的物候期进行识别，选用预先训练的AlexNet 卷积神经网络（Convolutional neural networks，CNN）进行微调，取得了最高86.54%的识别准确度。Yang 等[12]设计CNN 模型处理无人机图像，对水稻物候进行识别，准确率达83.9%。

Gulac 等选用的机器学习方法虽取得了较好的分类效果，但其HOG 算法着重于图像的纹理特征，忽略了图像的色彩等特征，特征选取较为单一，特征对图像的描述能力有限，分类效果依赖于人工选取特征的优劣，方法的泛化能力较差[13]。……