学术论文

      基于随机森林的国产小卫星遥感影像分类研究

      Classification of China small satellite remote sensing image based on random forests

      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.
      作者: 刘毅 [1] 杜培军 [2] 郑辉 [3] 夏俊士 [1] 柳思聪 [1]
      作者单位: 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,江苏徐州,221116 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,江苏徐州221116;南京大学地理信息科学系,江苏南京210093 充州矿业集团地测部,山东济宁,273500
      刊 名: 测绘科学 ISTICPKU
      年,卷(期): 2012, 37(4)
      分类号: TP75
      机标分类号: TP3 P23
      在线出版日期: 2012年9月29日
      基金项目: 国家自然科学基金资助项目