[發明專利]基于加權熵的半監督隨機森林高光譜遙感影像分類方法

在審

• 申請號: 201711323789.4
• 申請日: 2017-12-13
• 公開（公告）號: CN108038448A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 王春陽;王雙亭;孫蒙蒙;李梟;馮凡;邵偉寬;岳瀚棟
• 申請（專利權）人: 河南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 鄭州浩德知識產權代理事務所(普通合伙) 41130
• 代理人: 王國旭

1.基于加權熵的半監督隨機森林高光譜遙感影像分類方法，其特征在于：所述的基于加權熵的半監督隨機森林高光譜遙感影像分類方法包括以下步驟：

第一步，基礎建模，首先建議帶概率隨機數據抽取計算函數模型，然后將高光譜遙感圖像數據、訓練樣本集數據及類別集數據分別錄入到帶概率隨機數據抽取計算函數模型中；

第二步，高光譜遙感圖像數據信息分析，完成第一步后，依靠訓練樣本集和分類類別集，使用帶概率輸出的隨機森林的方法計算出判斷出投票數最多的地物類別所對應的期望值，并初步判斷出高光譜遙感圖像中各像元所代表的類別的發生概率，并對各類別進行初步判斷；

第三步，評定輸出結果，對第二步后，第一步運算得到的類別的發生概率輸出分類結果并進行精度評定，若為第一次迭代則進行下面的步驟，否則與上一次輸出結果進行比較，若二者的差值大于給定的閾值則繼續進行下面的步驟，若是小于給定的閾值就把最終結果輸出；

第四步，不確定性轉換，利用基于投票概率的加權熵算法并依據滿足研究者需求不同對地物賦予不同的權重，將第三步評定得到的概率評定結果轉化為不確定性；

第五步，補漏計算，完成第四步后，依據不確定性把高光譜影像中未標記標簽像元轉換為標記標簽像元，然后將新的標記標簽加入到第一步中的訓練集中，并返回到第四步中，迭代運行直到滿足終止要求為止或者未標記訓練樣本用完為止。

2.根據權利要求1所述的基于加權熵的半監督隨機森林高光譜遙感影像分類方法，其特征在于：所述的第一步中，高光譜遙感圖像數據為衛星高光譜遙感圖像及無人機高光譜遙感圖中的任意一種或兩種共用，訓練樣本集為經過先驗知識獲得的訓練樣本，是基于步驟所輸入的高光譜遙感圖像選出來訓練樣本；類別集為通過先驗知識獲得的類別集，即最終的分類數目，是基于步驟所輸入的高光譜遙感圖像初步預測出來的類別集。

3.根據權利要求1所述的基于加權熵的半監督隨機森林高光譜遙感影像分類方法，其特征在于：所述的第二步中，依靠訓練樣本集和分類類別集，使用帶有概率輸出的隨機森林的方法計算出高光譜遙感圖像中各像元所代表的類別的概率方法。使用的帶有概率輸出的隨機森林是基于CART決策樹算法的分類方法。由于隨機森林是由一系列CART決策樹組合而成的，并由決策樹進行投票，其使用的屬性度量標準是Gino指標；Gino指標具體公式如下：

G i n i ( D ) = 1 - Σ i = 1 m pi 2 - - - ( 1 ) ]]>

公式(1)中pi是類別Ci在D中出現的概率，Gino指標值越小，表明樣本的“純凈度”就越高。在只有二元分裂時，對于訓練樣本數據集D中的屬性A將分成D1和D2,則給定劃分D的Gini指標如下公式所示:

Gini A ( D ) = | D 1 D | G i n i ( D 1 ) + | D 2 D | G i n i ( D 2 ) - - - ( 2 ) ]]>

對于離散值屬性，在算法中遞歸的選擇該屬性產生最小的Gini指標的子集作為它的分裂子集；

對于連續值屬性，必須考慮所有可能的分裂點，其決策類似于ID3中介紹的信息增益處理方法，其公式：

Gini A = Σ i = 1 v | D i D | * G i n i ( D i ) - - - ( 3 ) ]]>

選定給定的連續屬性值產生最小的Gini指標的點作為改屬性的分裂點。在CART構建的時候，不管決策樹中的節點是否被劃分，都給每一個節點t標記上相應的類，使用不等式作為判別劃分標準：

P C ( j | i ) × p ( i ) × Ni t P C ( i | j ) × p ( j ) × Nj t > N i N j - - - ( 4 ) ]]>

若對于除節點i以外的所有類Cj都成立，則將節點t標記為類；其中P(i)表示類Ci的先驗概率，Nit是節點t的樣本中Ci類的數量，PC(j/i)表示將節點i錯分為Cj類的代價，這可通過查找決策樹矩陣找到；

由帶有概率輸出的半監督分類隨機森林模型結果變量的概率公式x表示某一像元的，DN表示類別集；c求解公式如式(2)所示：

c ^ = arg m x p ( c | x ) , c ∈ ( 1 , L , N C ) - - - ( 5 ) ]]>

估計系數c是通過最大似然估計的法求解。