基于随机森林的洪河湿地遥感影像分类研究

被引：22

作者：

王书玉 ^{[1
,2
]}

张羽威 ^{[1
,2
]}

于振华 ^{[1
,2
]}

机构：

[1] 哈尔滨师范大学黑龙江省普通高等学校地理环境遥感监测重点实验室

[2] 哈尔滨师范大学地理科学学院

来源：

测绘与空间地理信息 | 2014年 / 37卷 / 04期

基金：

黑龙江省自然科学基金;

关键词：

影像分类; 随机森林; 湿地信息; 精度评估;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术]; TP75 [遥感图像的解译、识别与处理];

学科分类号：

1404 ; 081002 ;

摘要：

随机森林(Random Forests)是一种最有效的分类方法之一。现阶段,它吸引了来自不同领域的研究人员,被广泛应用到不同的学科领域之中。本文采用TM影像,运用随机森林算法,对洪河湿地影像进行分类,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)和CART(Classification And Regression Tree)算法对比。结果表明,基于RF算法的分类结果的总精度和Kappa系数分别为88.31%和0.82,较MLC和CART分类方法有明显提高。从而证明RF算法可以提高遥感影像的分类精度,并可应用在湿地信息的提取研究中。

引用

页码：83 / 85+93 +93

页数：4

共 6 条

[1] 基于随机森林的国产小卫星遥感影像分类研究 [J].

刘毅 ;

杜培军 ;

郑辉 ;

夏俊士 ;

柳思聪 .

测绘科学, 2012, 37 (04) :194-196

[2] Land cover classification using moderate resolution satellite imagery and random forests with post-hoc smoothing [J].

Zhu, Xuan .

JOURNAL OF SPATIAL SCIENCE, 2013, 58 (02) :323-337

[3]

Random Forest classification of Mediterranean land cover using multi-seasonal imagery and multi-seasonal texture[J] . V.F. Rodriguez-Galiano,M. Chica-Olmo,F. Abarca-Hernandez,P.M. Atkinson,C. Jeganathan.Remote Sensing of Environment . 2011

[4]

Incorporating Spatial Variability Measures in Land-cover Classification using Random Forest[J] . V.F. Rodríguez-Galiano,F. Abarca-Hernández,B. Ghimire,M. Chica-Olmo,P.M. Atkinson,C. Jeganathan.Procedia Environmental Sciences . 2011

[5]

An assessment of the effectiveness of a random forest classifier for land-cover classification[J] . V.F. Rodriguez-Galiano,B. Ghimire,J. Rogan,M. Chica-Olmo,J.P. Rigol-Sanchez.ISPRS Journal of Photogrammetry and Remote Sensing . 2011

[6] Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

← 1 →