1.一种基于多线性判别分析的玉米种子高光谱图像多特征转换方法，其特征是，包括：a、将待识别的Num粒玉米种子样本放置在高光谱图像采集系统中，采集并获取该M粒玉米种子样本在L个波段下的L个高光谱图像，L为自然数；

b、利用阈值分割获取玉米种子的轮廓曲线，提取轮廓下玉米种子的均值光谱特征和纹理特征，将L个波段下获得的共L个均值光谱特征和L个纹理特征进行特征融合，将融合特征作为待识别玉米种子的特征参数X；

c、利用步骤b所得到的玉米种子特征参数X，基于多线性判别分析即MLDA算法对玉米种子特征参数X进行特征提取，并得到特征提取后的融合特征矩阵 计算每个波段下的原始特征对第一主成分的贡献率W，设定阈值，选择较大W值所对应的波段作为最优波段，输出最优波段集合Θ，将最优波段集合Θ应用到特征提取后的融合特征矩阵 得到转换后的特征S；

d、建立预测模型，对转换后的特征进行评价。

2.如权利要求1所述的基于多线性判别分析的玉米种子高光谱图像多特征转换方法，其特征是：在所述步骤b中，获得玉米种子的特征参数X的具体步骤包括：玉米种子高光谱图像的均值光谱特征和纹理特征为

其中，X1表示均

值光谱特征；X2～X14表示纹理特征，rij为第i粒玉米种子的第j个特征，Num个样本在L个波段下构成一个L×Num的矩阵；首先对特征进行归一化处理，使融合特征达到数量级上的一致性；再对每一个样本在第p个波段下分别进行特征组合为第j个特征，得到14个特征在L个波段下Num个样本的融合特征矩阵X∈{K14×14×L×Num}，其中，p＝1,2,...,L。

3.如权利要求1所述的基于多线性判别分析的玉米种子高光谱图像多特征转换方法，其特征是：在所述步骤c中，获得玉米种子的特征参数转换特征的具体步骤包括：根据MLDA计算最佳投影向量 将14×14×L×Num维度的原始融合特征空间投影到特征提取后J1×J2×J3×J4维度的特征空间，得到投影后的特征矩阵 其中，Ym的计算公式为：不同n-mode的投影方向U(n)计算公式为：

公式(2)中，共有C类样本，nc为第c类的样本数， 是第c类样本融合特征的平均值，为全部样本融合特征的平均值，Xi表示第i个样本；

与

分别表示为按照l-mode张量展开的类内离散方差和类间离散方差，且其中，U(3)设置为L×L的正交单位矩阵，U(4)为Num×Num的单位矩阵；

14×14×L×Num

根据所求取的第一主成分t1与原始融合特征X∈{K }满足线性的关系，得到每个波段下的特征信息对第一主成分的贡献率W，W对应的值越大，则该波段下的特征信息对主成分的贡献率越大，以此选出最优波段集合Θ；将最优波段集合应用到特征选择后的融合特征矩阵，得到特征转换后的矩阵

4.如权利要求3所述的基于多线性判别分析的玉米种子高光谱图像多特征转换方法，其特征是：所述步骤c中MLDA算法首先对融合特征进行特征提取，得到特征提取后的矩阵，根据每个波段下的特征信息在第一主成分上的贡献率作为波段选择的依据，将较大贡献率所对应的波段作为最优波段，并应用到特征提取后的矩阵得到转换特征，具体包括：S1、计算整体样本均值 第c类样本均值 初始化投影矩阵 根据公式(2)和公式(3)对融合特征进行特征选择；

(t) (t)

S2、通过最优化迭代法得到第t次SW(n) 和SB(n) 的l-mode张量展开分别为：S3、根据广义特征值分解计算(SW(n)(t))-1SB(n)(t)＝UΛUT中最大广义特征值所对应的单位广义特征向量S4、当达到设定的阈值 或最大迭代次数K时则停止迭代，输出最佳投影方向向量U(n)和特征选择后的融合特征矩阵 否则返回步骤S2；

S5、计算每个波段下的原始特征对第一主成分的贡献率W，设定阈值，选择较大W值所对应的波段作为最优波段，输出最优波段集合Θ；

S6、将最优波段集合Θ应用到特征选择后的特征矩阵 得到转换特征S。