基于随机森林的遥感影像变化检测

发布时间：2023-03-24 00:24

　　随机森林是一种新兴的、高度灵活的机器学习算法,在预测和分类方面有着良好的稳定性,且算法性能要优于许多单预测器。鉴于此,本文提出了随机森林的遥感影像变化检测算法,利用熵率法对遥感影像进行超像素分割,获取最优分割结果;构建了基于随机森林的遥感影像变化检测模型,以所提取的Gabor特征和光谱特征作为模型输入进行训练和预测,并将有决策树的投票作为最终的变化检测结果。试验结果表明,本文所构建的随机森林变化检测模型在漏检率和虚检率上明显低于其他算法,且总体正确率高,在算法时间上也明显优于其他算法。

【文章页数】：5 页

【文章目录】：
1 随机森林变化检测模型构建
    1.1 特征提取
        1.1.1 光谱特征差异图计算
        1.1.2 Gabor特征差异图计算
    1.2 最优超像素个数选取
    1.3 随机森林算法模型构建
2 试验结果与分析
    2.1 最佳超像素个数确定
    2.2 变化检测试验分析
        2.2.1 阈值T对分类精度的影响
        2.2.2 变化检测结果与精度评定
3 结 语



本文编号：3769060