10.3969/j.issn.1671-3168.2018.03.003
基于随机森林算法构建Hyperion影像云和云阴影掩模
遥感数据的判读应用不可避免地要受到云和云阴影的干扰,这导致影像中地物信息不完整,给后续影像解译和处理带来障碍.采用最佳波段指数方法筛选出经过预处理的Hyperion高光谱影像最佳波段组合,达到波段去相关、信息含量最大并减少运算量的目的.基于不同地物类型的光谱曲线,采用随机森林算法提取Hyperion影像中云和云阴影信息,建立相应的掩模.研究结果表明,基于经验阈值的决策树分类精度达96.36% ,随机森林算法的分类精度达98.86% ,Kappa系数为0.951 2,具有更好的分类效果.利用随机森林算法建立高光谱影像云和云阴影掩模,由于随机森林算法是建立在多个决策树分类器结果基础上,避免了单一决策树分类器带来的误分类现象,较好地去除了云和云阴影对遥感解译的影响.
Hyperion影像、随机森林算法、决策树分类、光谱曲线、云及云阴影、掩模
43
S711;S771.8(林业基础科学)
国家自然科学基金31260156;云南省林学一流学科建设经费资助51600625
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
10-15,39