[发明专利]基于加权熵的半监督随机森林高光谱遥感影像分类方法

摘要

本发明涉及一种基于加权熵的半监督随机森林高光谱遥感影像分类方法，包括基础建模，高光谱遥感图像数据信息分析，评定输出结果，不确定性转换及补漏计算等五个步骤。本发明充分利用高光谱遥感图像中仅能获取的少量训练样本和大量未标记的样本进行高光谱图像信息的挖掘，利用带概率随机森林通过决策树按照投票的方式初步确定出地物的类别，之后采用加权熵算法筛选出满足研究者需求的很难提取出来的地物类别，选取加权熵最大的像元添加到训练样本中，在进行迭代处理，直到满足截止条件为止或者未标记的样本已经用完的时候，停止迭代输出分类结果，最终完成地物的分类。

主权项

1.基于加权熵的半监督随机森林高光谱遥感影像分类方法，其特征在于：所述的基于加权熵的半监督随机森林高光谱遥感影像分类方法包括以下步骤：第一步，基础建模，首先建议带概率随机数据抽取计算函数模型，然后将高光谱遥感图像数据、训练样本集数据及类别集数据分别录入到带概率随机数据抽取计算函数模型中；第二步，高光谱遥感图像数据信息分析，完成第一步后，依靠训练样本集和分类类别集，使用带概率输出的随机森林的方法计算出判断出投票数最多的地物类别所对应的期望值，并初步判断出高光谱遥感图像中各像元所代表的类别的发生概率，并对各类别进行初步判断；第三步，评定输出结果，对第二步后，第一步运算得到的类别的发生概率输出分类结果并进行精度评定，若为第一次迭代则进行下面的步骤，否则与上一次输出结果进行比较，若二者的差值大于给定的阈值则继续进行下面的步骤，若是小于给定的阈值就把最终结果输出；第四步，不确定性转换，利用基于投票概率的加权熵算法并依据满足研究者需求不同对地物赋予不同的权重，将第三步评定得到的概率评定结果转化为不确定性；第五步，补漏计算，完成第四步后，依据不确定性把高光谱影像中未标记标签像元转换为标记标签像元，然后将新的标记标签加入到第一步中的训练集中，并返回到第四步中，迭代运行直到满足终止要求为止或者未标记训练样本用完为止。