基于随机森林的遥感影像分类研究-计算机科学与技术专业论文.docxVIP

万方数据 万方数据 2015 年 4 月 Dissertation Submitted to Zhejiang University of Technology for the Degree of Master Research of Remote Sensing Classification based on Random Forest Candidate: Wen Yu-hua Advisor: Wang Wei-hong College of Computer Science and Technology Zhejiang University of Technology Apr 2015 浙江工业大学 学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工 作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个 人或集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育 机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均 已在文中以明确方式标明。本人承担本声明的法律责任。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 浙江工业大学硕士学位论文 浙江工业大学硕士学位论文 基于随机森林的遥感影像分类研究 摘 要 在遥感数据海量增加的今天，对遥感数据的快速有效处理变得越来越重要，而遥感 影像的分类作为遥感数据预处理工作的一个重要环节，更是起着不可忽视的作用。随机 森林作为一种分类算法，因其具有分类速度快、准确率高、能适应高维度特征等特点， 在遥感数据分类领域的使用越来越广泛，同时在不同种类遥感数据中的应用工作也在不 断的增多。本文将以研究随机森林为基础，并结合遥感图像的特征，对随机森林算法在 遥感数据当中的应用进行研究及改进，以下为本文主要研究工作： 首先，为了研究遥感数据噪声对随机森林分类算法性能的影响，根据遥感数据噪声 特征，提出了一种基于随机森林的噪声影响模型，通过在遥感图像的不同比例波段中定 量添加不同类型的噪声，再使用随机森林对其进行分类，并采用最大似然、最小距离和 支持向量机分类算法作比较，研究随机森林受噪声影响的变化情况。实验采用 Landsat 卫星图像，并在不同波段中定量添加不同比例的椒盐噪声或条带噪声，结果表明，随机 森林受噪声影响较小，是一种鲁棒的遥感数据分类算法。 其次，针对随机森林分类器分类效率的问题，研究了基于相似度的随机森林修剪算 法。在此基础上，将加权思想带入修剪过程中，提出了相似度加权修剪算法。通过对森 林中元决策树进行初始化加权，并在每次修剪过后重新调整森林中剩余决策树的权重， 使得森林的投票权重分布更加合理。 最后，使用 UCI 数据集对相似度加权修剪算法的有效性进行验证，并将其应用于遥 感影像数据的分类。实验结果表明，改进后算法所得到的最佳森林规模相比原算法最佳 森林规模有所缩减，分类效率有所提升，且分类精度上也有一定的提高。 关键词：随机森林，分类，遥感图像，噪声，修剪 i RESEARCH AND APPLICATION OF REMOTE SENSING CLASSIFICATION WITH RANDOM FOREST ABSTRACT With the rapid increase of remote sensing data today, fast and efficient processing of remote sensing data is becoming more and more important, and the classification of remote sensing image is also an important part of remote sensing data processing work. Random forest as a classification algorithm, because of these advantages: fast classification speed, high accuracy, adapted to the high dimension feature of characteristics, had already been used more and more