基于多种特征的随机森林算法在极化SAR图像分类中的应用

简介：
本研究探讨了将随机森林算法应用于极化SAR图像分类的方法，通过结合多种特征提高了分类精度和效率。 近年来，在遥感领域利用计算机对极化SAR图像进行分类已成为一个研究热点。本段落采用全极化SAR数据，并运用不同的特征提取算法来获取特征参数，然后基于随机森林模型实现江苏沿海滩涂的分类工作。 首先，我们使用H/α和Freeman分解方法提取出极化的特性参数；同时利用灰度共生矩阵法获得纹理特性的相关数据。接着将所有这些特点组合成各种可能的集合形式，并对不同的特征集进行测试与评估。最终结果表明，在仅依赖于纹理特征的情况下分类效果较差，而基于从极化分解中得到的散射特征来实施分类则能取得更好的成绩；相比之下，采用结合了极化散射特性和纹理特点的数据组合方式在沿海滩涂的识别上能够达到最佳的效果。 实验结果显示：综合运用上述两种类型的特性参数后，在进行江苏沿海滩涂区域分类时可以实现高达94.44%的整体准确率以及0.9305的Kappa系数，这表明极化SAR图像中所包含的各种特性的互补作用在提高识别精度方面具有显著的效果。