[发明专利]基于随机森林测度学习的高光谱图像目标探测方法及系统在审
申请号: | 201910353950.5 | 申请日: | 2019-04-29 |
公开(公告)号: | CN110135479A | 公开(公告)日: | 2019-08-16 |
发明(设计)人: | 董燕妮 | 申请(专利权)人: | 中国地质大学(武汉) |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 武汉知产时代知识产权代理有限公司 42238 | 代理人: | 孙丽丽 |
地址: | 430000 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 测度 目标探测 随机森林 高光谱图像 目标像元 训练样本 映射函数 决策树 探测 高光谱遥感图像 高维数据 距离函数 距离计算 距离探测 平均运算 背景像 鲁棒性 像元 统计 学习 | ||
1.一种基于随机森林测度学习的高光谱图像目标探测方法,其特征在于:包括以下步骤:
S101:从待探测的高光谱遥感图像X上选择n个训练样本;
所述高光谱遥感图像X为L×N的矩阵,L为所述遥感图像X的波段数,N为所述遥感图像X的像元数;其中,N个像元包括若干个目标像元和若干个背景像元;所述目标像元为高光谱遥感图像X上待探测部分的像元,所述背景像元为除去目标像元后剩下的其它像元;所述n个训练样本为随机从所述目标像元和所述背景像元中共同选择的n个像元组成,且n小于N;
S102:根据所述n个训练样本,通过融合标准相对位置和绝对成对位置信息构成映射函数,并将构成的映射函数作为随机森林的决策树的输入,进而构成随机森林;
S103:对所述随机森林中的所有决策树进行平均运算,得到最终的测度距离函数模型;
S104:采用所述测度距离函数模型对所述待探测的高光谱遥感图像X上的各像元和训练样本中的任意某个目标像元之间的测度距离分别进行计算,得到X上所有像元和训练样本中的任意某个目标像元之间的测度距离探测统计值;所述探测统计值为一个包含有N个元素的向量,且各元素对应的值为X上各像元和训练样本中的任意某个目标像元之间的测度距离;
S105:根据所述探测统计值,对所述待探测的高光谱遥感图像X上的目标像元进行探测,得到探测结果。
2.如权利要求1所述的一种基于随机森林测度学习的高光谱图像目标探测方法,其特征在于:步骤S102中,所述映射函数的表达式如公式(1)所示:
上式中,xi和xj为所述n个训练样本中任意两个成对出现的样本,即样本对;其中i和j的取值范围均为[1,n];u(xi,xj)为xi和xj样本对的相对位置;v(xi,xj)为xi和xj样本对的绝对成对位置。
3.如权利要求2所述的一种基于随机森林测度学习的高光谱图像目标探测方法,其特征在于:步骤S102中,所述随机森林是T个决策树的组合,每一棵决策树独立地对训练数据进行分类;其中,T为决策树的总数目,f(·)是决策树的目标输出,θt为第t个决策树中待训练的参数,x表示所述训练样本中的某个像元。
4.如权利要求3所述的一种基于随机森林测度学习的高光谱图像目标探测方法,其特征在于:步骤S103中,所述测度距离函数模型如公式(2)所示:
上式中,xi和xj为所述n个训练样本中任意两个成对出现的样本;其中i和j的取值范围均为[1,n]。
5.如权利要求4所述的一种基于随机森林测度学习的高光谱图像目标探测方法,其特征在于:步骤S104中,采用所述测度距离函数模型对所述待探测的高光谱遥感图像X上的各像元和训练样本中的任意某个目标像元之间的测度距离分别进行计算,得到X上所有像元和训练样本中的任意某个目标像元之间的测度距离探测统计值DTS(x,r);如公式(3)所示:
上式中,x表示所述训练样本中的任意某个像元,r表示所述N个像元中的某个像元,采用公式(3)遍历计算所述高光谱遥感图像X中的N个像元和所述训练样本中的任意某个像元的测度距离,得到待探测的高光谱遥感图像X上各像元和训练样本中的任意某个目标像元之间的测度距离探测统计值DTS(x,r)。
6.如权利要求1所述的一种基于随机森林测度学习的高光谱图像目标探测方法,其特征在于:步骤S105中,根据所述探测统计值,对所述待探测的高光谱遥感图像X上的目标像元进行探测的方法为:将X上各像元在所述探测统计值中对应的探测距离分别与预设阈值w进行比较,若大于w,则该像元为目标像元;否则,为背景像元;其中,阈值w的取值根据实际需探测的目标进行设定。
7.一种基于随机森林测度学习的高光谱图像目标探测系统,其特征在于:包括以下模块:
训练样本获取模块,用于从待探测的高光谱遥感图像X上选择n个训练样本;
所述高光谱遥感图像X为L×N的矩阵,L为所述遥感图像X的波段数,N为所述遥感图像X的像元数;其中,N个像元包括若干个目标像元和若干个背景像元;所述目标像元为高光谱遥感图像X上待探测部分的像元,所述背景像元为除去目标像元后剩下的其它像元;所述n个训练样本为随机从所述目标像元和所述背景像元中共同选择的n个像元组成,且n小于N;
随机森林构成模块,用于根据所述n个训练样本,通过融合标准相对位置和绝对成对位置信息构成映射函数,并将构成的映射函数作为随机森林的决策树的输入,进而构成随机森林;
测度距离函数计算模块,用于对所述随机森林中的所有决策树进行平均运算,得到最终的测度距离函数模型;
测度距离计算模块,用于采用所述测度距离函数模型对所述待探测的高光谱遥感图像X上的各像元和训练样本中的任意某个目标像元之间的测度距离分别进行计算,得到X上所有像元和训练样本中的任意某个目标像元之间的测度距离探测统计值;所述探测统计值为一个包含有N个元素的向量,且各元素对应的值为X上各像元和训练样本中的任意某个目标像元之间的测度距离;
探测模块,用于根据所述探测统计值,对所述待探测的高光谱遥感图像X上的目标像元进行探测,得到探测结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910353950.5/1.html,转载请声明来源钻瓜专利网。