[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

摘要

本发明公开了一种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，该方法采用面向对象的思想，进行多尺度分层采样以自动获得多尺度训练样本，将亚尺度样本和当前尺度样本进行组合；然后提取训练样本光谱，纹理和形状特征融合在一起构成特征空间，将样本组合和相应的特征空间输入随机森林中以训练多个变化分类器，选择袋外误差参数最小的分类器，作为变化检测分类器，进行变化检测。相比传统的方法，本发明提出了多尺度分层采样方法，考虑了多尺度的特征信息，在不增加人工工作量的同时，为变化区域和非变化区域自动增加了训练样本，提高了训练样本的特征泛化能力，并且分类进行变化检测，方法简单，可操作性强，有很好的扩展性。

主权项

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。