隨機森林是一種新興的、高度靈活的機器學習算法,在預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)分割結果;構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練和預測,并將有決策樹的投票作為最終的變化檢測結果。試驗結果表明,本文所構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建
2 試驗結果與分析
    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 變化檢測結果與精度評定
3 結 語



本文編號：3769060