基于随机森林的国产小卫星遥感影像分类研究

被引：71

作者：

刘毅 ^{[1
]}

杜培军 ^{[1
,2
]}

郑辉 ^{[3
]}

夏俊士 ^{[1
]}

柳思聪 ^{[1
]}

机构：

[1] 中国矿业大学国土环境与灾害监测国家测绘局重点实验室

[2] 南京大学地理信息科学系

[3] 兖州矿业集团地测部

来源：

测绘科学 | 2012年 / 04期

关键词：

随机森林; 多分类器; 集成学习; 决策树; 国产小卫星;

D O I：

10.16251/j.cnki.1009-2307.2012.04.027

中图分类号：

S771.8 [森林遥感];

学科分类号：

1404 ;

摘要：

近年来随着小卫星数量与传感器类型的快速增加,急需研究和发展快速可靠的小卫星遥感影像分类方法。针对分类方法各具局限性、具体应用中最优分类器选取困难等问题,本文基于多分类器集成学习的思路,引入随机森林(Random Forests)方法用于小卫星遥感影像分类。采用灾害监测预报小卫星(HJ-1)、北京1号小卫星(BJ-1)两种国产小卫星多光谱遥感影像进行试验,并与传统分类方法进行比较,结果表明,随机森林比最大似然分类器(MLC)、支持向量机分类器(SVM)等具有更好的稳定性、更高的分类精度和更快的运算速度,具有很好的适用性。

引用

页码：194 / 196

页数：3

共 9 条

[1] HJ-1卫星数据质量及其在土地利用中的应用研究
易玲
汪潇
刘斌
[J]. 国土资源遥感, 2009, (03) : 74 - 77
[2] 北京1号小卫星多光谱影像全国镶嵌技术与制图研究
汪爱华
迟耀斌
王智勇
伍菲
王晓明
李丽
严明
[J]. 遥感学报, 2009, 13 (01) : 83 - 90
[3] 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
[4] Variable selection using random forests
Genuer, Robin
Poggi, Jean-Michel
Tuleau-Malot, Christine
[J]. PATTERN RECOGNITION LETTERS, 2010, 31 (14) : 2225 - 2236
[5] Small satellite’s role in future hyperspectral Earth observation missions[J] . M. Guelman,F. Ortenberg.Acta Astronautica . 2009 (11)
[6] Evaluation of Random Forest and Adaboost tree-based ensemble classification and spectral band selection for ecotope mapping using airborne hyperspectral imagery
Chan, Jonathan Cheung-Wai
Paelinckx, Desire
[J]. REMOTE SENSING OF ENVIRONMENT, 2008, 112 (06) : 2999 - 3011
[7] Random forests
Breiman, L
[J]. MACHINE LEARNING, 2001, 45 (01) : 5 - 32
[8] An approach to the automatic design of multiple classifier systems
Giacinto, G
Roli, F
[J]. PATTERN RECOGNITION LETTERS, 2001, 22 (01) : 25 - 33
[9] SUPPORT-VECTOR NETWORKS
CORTES, C
VAPNIK, V
[J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297

← 1 →