[发明专利]一种基于随机森林的冰山遥感识别方法

摘要

本发明公开了一种基于随机森林算法的冰山遥感识别方法，本方法采用哨兵一号（Sentinel‑1A）提供的SAR影像数据对海面冰山进行识别，其主要步骤包括将预处理后SAR影像进行阈值分割，剔除背景元素，而后按照先验知识选取出样本特征。同时以面向对象的方式选取冰山与类冰山训练样本。待分类的疑似冰山样本则以类似的方式处理，但不经过挑选，全部导出。之后对得到的所有样本进行Min‑Max数据标准化。最后用生成的训练数据对随机森林模型进行训练，并将训练完成后的模型用于待分类样本的分类，得到最终分类结果，实现冰山的识别。

主权项

1.一种基于随机森林的冰山遥感识别方法，包括以下步骤：/n第一步、准备训练数据和待分类数据，具体包括如下几个方面的内容：/n1a、下载与待分类数据同一时期内的SAR影像，并选择HH极化方式的SAR影像作为训练影像；/n1b、对训练影像进行裁剪，留下冰山与浮冰富集区域；/n第二步、分别针对训练影像和待分类影像进行数据预处理，主要有以下几步完成：/n2a、首先进行影像的精细分割，影像分割的依据为影像的像元值差，像元值相近且相邻的像素被聚集为同一个对象，像元值相差较大的像素则被分割到不同的对象中；/n2b、然后进行对象的阈值分类，设定对象的亮度阈值，亮度大于或等于该阈值的对象为海冰对象，亮度小于该阈值的对象为海水对象，将海水对象分类为背景；/n2c、接着进行同类对象融合，将相邻的海冰对象融合在一起，从而将相邻的海冰对象融合为独立的对象；/n第三步、特征提取，选取六个样本特征，分别为：像元数量、像元标准差、复杂度、Opm/Bpm、ConSm和ConRaSd；对预处理后的训练影像和待分类影像中的独立对象分别提取这六个样本特征；/n第四步、训练样本选取：从分割后的训练影像中点选冰山与类冰山样本；/n第五步、数据标准化：对训练样本与待分类样本都进行Min-max数据标准化；/n第七步、基于所述六个样本特征，利用训练样本对随机森林模型进行训练，使用训练完毕后的模型对所有待分类的疑似冰山样本进行分类，并将分类结果中的冰山样本一一对应投影回待分类影像上，最终得到的即为待分类影像的冰山识别结果。/n