基于多维多粒度级联森林的高原地区云雪分类

摘要

针对传统算法如支持向量机(SVM)、随机森林不能充分利用卫星图像的纹理特征和光学参数的问题,提出一种基于多维多粒度级联森林(M-gcForest)的方法进行准确又快速的云雪识别.首先,根据单光谱和多光谱图像之间的差异性,选择SVM、随机森林、卷积神经网络(CNN)、多粒度级联森林(gcForest)在单光谱卫星图像上进行云雪识别;然后,通过定量分析各算法在单光谱图像上的性能,选择CNN和M-gcForest进行多光谱云雪识别;最后,利用改进的M-gcForest对HJ-1A/1B多光谱卫星图像进行预测.实验结果表明,与CNN相比,M-gcForest在多光谱数据集上的测试准确率提升了0.32％,训练耗时减少了91.2％,测试耗时减少了53.7％.因此,该算法在实时而准确的雪灾监测任务中具有实用性.