高分辨率遥感影像的随机森林变化检测方法

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...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 46; no. 11; pp. 1880 - 1890
Main Author 冯文卿;眭海刚;涂继辉;孙开敏;黄伟明
Format Journal Article
LanguageChinese
Published 长江大学电子信息学院,湖北荆州434023%隆德大学自然地理和生态系统科学系,瑞典隆德22362 2017
武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079%武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079
Subjects
分割;超像素;特征;随机森林;变化检测
super-pixel
feature
随机森林
分割
特征
变化检测
segmentation
change detection
超像素
random forest
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2017.20170074

Cover

More Information
Summary: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、SPOT5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。
Bibliography:segmentation; super pixel; feature; random forest; change detection
11-2089/P
Studies based on object based image analysis(OBIA)representing the paradigm shift in remote sensing image change detection(CD)have achieved remarkable progress in the last decade.Their aim has been developing more intelligent interpretation analysis methods in the future.The prediction effect and performance stability of random forest(RF),as a new kind of machine learning algorithm,are better than many single predictors and integrated forecasting method.This paper presents a novel RF OBIA method for high resolution remote sensing image CD that makes full use of the advantages of RF and OBIA.Firstly,the entropy rate segmentation algorithm is used to segment the image for the purpose of measuring the homogeneity of super pixels.Then the optimal image segmentation result is obtained from the evaluation index of the optimal super pixel number.Afterwards,the spectral features and Gabor features of each super pixelareextracted and used as f
ISSN:1001-1595
DOI:10.11947/j.AGCS.2017.20170074