-
题名高分辨率遥感影像的随机森林变化检测方法
被引量:47
- 1
-
-
作者
冯文卿
眭海刚
涂继辉
孙开敏
黄伟明
-
机构
武汉大学测绘遥感信息工程国家重点实验室
长江大学电子信息学院
隆德大学自然地理和生态系统科学系
-
出处
《测绘学报》
EI
CSCD
北大核心
2017年第11期1880-1890,共11页
-
基金
国家重点研发计划(2016YFB0502603)
测绘遥感信息工程国家重点实验室开放基金(16E01)
国家自然科学基金(41471354)~~
-
文摘
基于面向对象分析(OBIA)的遥感影像变化检测研究已取得显著的进展,代表了遥感影像变化检测的发展范式,未来是发展更加智能的解译分析方法。随机森林作为一种新的机器学习算法,其预测效果和性能稳定性要优于许多单预测器和集成预测方法。本文充分利用OBIA及随机森林机器学习算法的优势,提出了利用随机森林进行面向对象的遥感影像变化检测。首先基于熵率对影像进行超像素分割,通过最优超像素个数评价指数来获取最佳的影像分割结果,并提取每个超像素在前、后时相影像上的光谱特征和Gabor特征作为随机森林的特征输入数据,用于模型的训练。在初始像素级检测结果之上,自动进行分类样本选择并构建分类器模型,用训练好的模型来提取最终的变化区域。利用Quickbird、IKONOS、SPOT-5等3组多光谱影像进行试验,结果表明,本文方法在变化检测精度上要优于对比方法。
-
关键词
分割
超像素
特征
随机森林
变化检测
-
Keywords
segmentation
super pixel
feature
random forest
change detection
-
分类号
P237
[天文地球—摄影测量与遥感]
-