隨機森林是一種新興的、高度靈活的機器學(xué)習(xí)算法,在預(yù)測和分類方面有著良好的穩(wěn)定性,且算法性能要優(yōu)于許多單預(yù)測器。鑒于此,本文提出了隨機森林的遙感影像變化檢測算法,利用熵率法對遙感影像進行超像素分割,獲取最優(yōu)分割結(jié)果;構(gòu)建了基于隨機森林的遙感影像變化檢測模型,以所提取的Gabor特征和光譜特征作為模型輸入進行訓(xùn)練和預(yù)測,并將有決策樹的投票作為最終的變化檢測結(jié)果。試驗結(jié)果表明,本文所構(gòu)建的隨機森林變化檢測模型在漏檢率和虛檢率上明顯低于其他算法,且總體正確率高,在算法時間上也明顯優(yōu)于其他算法。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 隨機森林變化檢測模型構(gòu)建
    1.1 特征提取
        1.1.1 光譜特征差異圖計算
        1.1.2 Gabor特征差異圖計算
    1.2 最優(yōu)超像素個數(shù)選取
    1.3 隨機森林算法模型構(gòu)建
2 試驗結(jié)果與分析
    2.1 最佳超像素個數(shù)確定
    2.2 變化檢測試驗分析
        2.2.1 閾值T對分類精度的影響
        2.2.2 變化檢測結(jié)果與精度評定
3 結(jié) 語



本文編號：3769060