[发明专利]基于随机森林的多尺度分层采样的高分卫星影像变化检测方法

权利要求书

1.基于随机森林的多尺度分层采样的高分卫星影像变化检测方法，其特征在于，包括如下步骤：

步骤1，将两个时相的影像数据进行配准和相对辐射校正；

步骤2，对配准和相对辐射校正后的两个时相影像进行组合叠置，形成新的影像，然后利用多尺度分割方法对新的影像进行分割获取两个时相的当前对象层和亚尺度对象层；

步骤3，对已分割对象进行多尺度分层采样，分别获取当前对象层和亚尺度对象层的训练对象，识别训练对象的变化和非变化类型，并将当前对象层和亚尺度对象层的训练对象样本进行组合，以获得不同的训练样本组合；

步骤3的具体实现包括如下子步骤，

步骤3.1，在配准和相对辐射校正后的两个时相影像上，选择训练多边形，人工识别变化和非变化类型；

步骤3.2，根据步骤3.1中的像素层采样，选择与训练多边形中的最多像素重叠的对象作为当前对象层的训练对象，并识别训练对象的变化和非变化类型；

步骤3.3，根据当前对象层的训练对象和多尺度分割中层与层之间的联系，确定每个亚尺度对象层的训练对象，并识别相应训练对象的变化/非变化类型；

步骤3.4，将当前对象层的训练对象样本与不同的亚尺度对象层的训练对象样本进行组合，以获得不同的训练样本组合；

步骤4，对训练样本组合，以及配准和相对辐射校正后两个时相的影像的当前对象层，进行光谱特征、纹理特征、形状特征的提取，然后利用多特征融合将两个时相的特征进行融合，并将融合结果进行叠加得到变化检测特征矢量；

步骤5，将训练样本组合和相应的特征矢量及对应的变化类型输入到随机森林分类器中，训练多个随机森林分类器，以袋外误差最小作为约束条件，选择最优的随机森林模型；

步骤6，利用最优的随机森林模型对两个时期影像的当前对象层进行变化检测。

2.如权利要求1所述的基于随机森林的多尺度分层采样的高分卫星影像变化检测方法，其特征在于：在步骤3.1和步骤3.2中，当训练对象中超过50％的像素发生了变化，则训练对象认为是变化对象；否则，标记为无变化类型。

3.如权利要求1或2所述的基于随机森林的多尺度分层采样的高分卫星影像变化检测方法，其特征在于：所述光谱特征指每个对象各波段的灰度特征，包括红、绿、蓝均值，红、绿、蓝标准差，亮度，最大差异。

4.如权利要求1或2所述的基于随机森林的多尺度分层采样的高分卫星影像变化检测方法，其特征在于：所述纹理特征包括中值，协方差，同质性，反差，差异性，熵，二阶距，自相关。

5.如权利要求1或2所述的基于随机森林的多尺度分层采样的高分卫星影像变化检测方法，其特征在于：所述形状特征包括面积，长宽比，形状指数，密度。