%A 冯文卿, 眭海刚, 涂继辉, 孙开敏, 黄伟明 %T 高分辨率遥感影像的随机森林变化检测方法 %0 Journal Article %D 2017 %J 测绘学报 %R 10.11947/j.AGCS.2017.20170074 %P 1880-1890 %V 46 %N 11 %U {http://xb.chinasmp.com/CN/abstract/article_7144.shtml} %8 2017-11-20 %X

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。