[發(fā)明專利]基于隨機森林的遙感影像信息提取方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011081359.8
• 申請日: 2020-10-10
• 公開（公告）號: CN112232171A
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計）人: 陳冰凌;奚硯濤;劉俊榮
• 申請（專利權(quán)）人: 中煤航測遙感集團有限公司;西安煤航遙感信息有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 李莎

1.一種基于隨機森林的遙感影像信息提取方法，其特征在于，所述方法包括：

獲取待提取遙感影像及所述待提取遙感影像中已識別目標地物的空間拓撲關(guān)系；

根據(jù)所述待提取遙感影像和所述已識別目標地物的空間拓撲關(guān)系，采用預(yù)先訓練的隨機森林模型進行信息提取，得到所述待提取遙感影像中多種類型地物的空間信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述隨機森林模型采用下述方式進行訓練得到：

獲取樣本遙感影像，所述樣本遙感影像中標注有：所述多種類型地物的樣本空間特征；

從所述多種類型地物的樣本空間特征，重復(fù)抽取k次，每次隨機抽取m個樣本空間特征；k和m分別為大于或等于2的整數(shù)；

根據(jù)每次抽取的m個樣本空間特征，生成具有n個節(jié)點的一個決策樹，一個節(jié)點對應(yīng)一類樣本空間特征；

根據(jù)k個決策樹，構(gòu)建所述隨機森林模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

根據(jù)所述多種類型地物的樣本空間特征中，未抽取到的樣本空間特征，采用所述隨機森林模型進行信息提取；

根據(jù)信息提取的結(jié)果，確定所述隨機森林模型的提取誤差。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述從所述多種類型地物的樣本空間特征，重復(fù)抽取k次，包括：

從每種類型地物的樣本空間特征進行篩選，確定所述每種類型地物的目標樣本空間特征；

從所述多種類型地物的目標樣本空間特征中重復(fù)抽取k次。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)k個決策樹，構(gòu)建所述隨機森林模型之前，所述方法還包括：

若所述k個決策樹中存在目標決策樹中的多個節(jié)點對應(yīng)同一樣本空間特征，則在所述目標決策樹中所述多個節(jié)點增加其他類型的空間特征，以對所述目標決策樹進行改進；改進后的所述目標決策樹中一個節(jié)點對應(yīng)一種類型的空間特征。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述在所述目標決策樹中所述多個節(jié)點增加其他類型的空間特征，包括：

在所述目標決策樹中所述多個節(jié)點隨機增加其他類型的空間特征。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)每次抽取的m個樣本空間特征，生成具有n個節(jié)點的一個決策樹，包括：

確定所述每次抽取的m個樣本空間特征中，不同類型地物的樣本空間特征的數(shù)量是否平衡；

若不平衡，采用預(yù)設(shè)的人工少數(shù)類過采樣法SMOTE算法，以及預(yù)設(shè)的聚類方法對所述每次抽取的m個樣本空間特征進行預(yù)處理；

根據(jù)預(yù)處理后的樣本空間特征，生成具有n個節(jié)點的一個決策樹。

8.一種基于隨機森林的遙感影像信息提取裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待提取遙感影像及所述待提取遙感影像中已識別目標地物的空間拓撲關(guān)系；

信息提取模塊，用于根據(jù)所述待提取遙感影像和所述已識別目標地物的空間拓撲關(guān)系，采用預(yù)先訓練的隨機森林模型進行信息提取，得到所述待提取遙感影像中多種類型地物的空間信息。

9.一種計算機設(shè)備，其特征在于，包括：存儲器和處理器，所述存儲器存儲有所述處理器可執(zhí)行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述權(quán)利要求1-7任一項所述的基于隨機森林的遙感影像信息提取方法。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)上存儲有計算機程序，所述計算機程序被讀取并執(zhí)行時，實現(xiàn)上述權(quán)利要求1-7任一項所述的基于隨機森林的遙感影像信息提取方法。