[发明专利]一种基于小波DFT零填充重采样的随机森林分类方法

权利要求书

1.一种基于小波DFT零填充重采样的随机森林分类方法，其特征在于：包括以下步骤：

1)将分类区域地表植被分成三级；一级类型为林地与非林地，二级类型分为针叶林与阔叶林，三级类型根据分类区域植被再分别将针叶林与阔叶林进行细分；

2)对在分类区域获取的遥感影像进行预处理；

3)小波DFT零填充重采样的随机森林分类方法；

3.1)采用BayesShrink阈值滤波方法去除遥感影像中的高斯噪声以及提高影像的信噪比；

3.2)采用小波DFT零填充重采样重建方法对影像进行重建处理；

①对遥感影像进行二维小波变换，分解为低频分量和三个方向的高频分量，然后对各高频分量进行傅里叶变换，二维傅里叶变换公式为：

②将得到的二维序列放入到一个尺寸为其两倍大小的空矩阵中心，矩阵中的其它部分均取零值，再对零填充处理后的信号进行离散傅里叶逆变换，其逆变换公式为：

③用原图乘以2倍系数获得重建图像的低频信息，最后对处理后的低频分量和各高频分量进行二维小波逆变换得到超分辨率重建影像；

3.3)使用随机森林对影像进行森林分类。

2.根据权利要求1所述的基于小波DFT零填充重采样的随机森林分类方法，其特征在于：所述步骤3.1)中BayesShrink阈值滤波方法包括以下步骤：①对含噪遥感影像进行离散小波变换；

BayesShrink阈值滤波的噪声模型可表示为：

g(i,j)＝f(i,j)+n(i,j) (1)

这里g(i,j)和f(i,j)分别表示含噪图像和原始图像，n(i,j)是均值为0，方差为的高斯白噪声；

②利用BayesShrink阈值估计公式估计不同子带的阈值；

设其相对应的小波系数为G_ij＝F_ij+N_ij或G＝F+N，则BayesShrink阈值估计公式为

式中为高斯白噪声的标准方差，可以采用鲁棒性的中值估计来估计。为图像小波系数在不同子带中的标准方差值；

G_ij是最高频对角线子带的小波系数；

式(4)中m×m是子带尺寸；

③采用软阈值函数处理小波系数；

软阈值函数：

④进行小波逆变换得到去噪图像。

3.根据权利要求1所述的基于小波DFT零填充重采样的随机森林分类方法，其特征在于：所述步骤2)中的预处理包括对遥感影像的辐射定标，大气校正，正射校正，影像配准和影像融合。