[发明专利]一种植被识别方法及应用

权利要求书

1.一种植被识别方法，其特征在于：所述方法包括如下步骤：

步骤1：将第一卫星光学遥感图像和第二卫星合成孔径雷达图像融合，得到融合影像数据；

步骤2：从所述融合影像数据中提取信息特征组合；

步骤3：计算所述特征的权重值，并挑选出最优子集作为模型训练集；

步骤4：优化随机森林算法得到改进的随机森林算法，采用所述改进的随机森林算法和所述模型训练集训练出植被识别分类模型；

步骤5：对所述植被识别分类模型进行验证后得到识别结果。

2.如权利要求1所述的植被识别方法，其特征在于：所述第一卫星光学遥感图像为陆地8号卫星的光学遥感图像，所述第二卫星合成孔径雷达图像为哨兵1号卫星的合成孔径雷达图像；所述步骤1在谷歌地球引擎中分别合成陆地8号卫星的光学遥感图像和哨兵1号卫星的合成孔径雷达图像，将所述光学遥感图像和所述合成孔径雷达图像进行融合。

3.如权利要求2所述的植被识别方法，其特征在于：选取所述陆地卫星8号的光学图像中30米分辨率的蓝波段，绿波段，红波段和近红外波段，以及所述哨兵1号卫星的合成孔径雷达图像中的由垂直发射再垂直接收的单同极化波段和由垂直发射再水平接收的双交叉极化波段进行融合，得到融合影像数据。

4.如权利要求1所述的植被识别方法，其特征在于：所述信息特征组合包括多时相光谱特征，合成孔径雷达后向散射值，植被指数和纹理特征。

5.如权利要求1所述的植被识别方法，其特征在于：所述步骤3采用基尼系数计算所述特征的权重值。

6.如权利要求1所述的植被识别方法，其特征在于：所述改进的随机森林算法为采用改进的网格搜索优化算法寻找出最优参数值，得到改进的随机森林。

7.如权利要求6所述的植被识别方法，其特征在于：所述改进的网格搜索优化算法包括先确定随机森林算法中决策树的数目k和分裂特征数目m的搜索范围，设置长距离步长进行大范围的粗略搜索，并为参数k和m搜索建立二维搜索网格，根据网格节点上的每个参数值构建一个随机森林，并使用估算函数来估计泛化误差，选择当前具有最小泛化误差的参数值k和m，如果当前参数的泛化误差或搜索步长满足要求，则输出当前最优参数和分类误差；否则，缩小搜索步长，重复上述步骤继续搜索。

8.如权利要求6所述的植被识别方法，其特征在于：所述改进的网格搜索优化算法包括采用袋外数据的信息熵和错误率作为估算函数来评估不同的参数对于随机森林构建的合理程度。

9.如权利要求1所述的植被识别方法，其特征在于：所述验证采用5倍交叉验证法来对所述植被识别分类模型进行验证，其中五分之一的数据用于训练，五分之四的数据用于所述植被识别分类模型验证。

10.一种植被识别方法的应用，其特征在于：将权利要求1～9中任一项所述的植被识别方法应用于棕榈种植园识别。