基于决策树与特征优化的遥感影像震害建筑物识别方法技术

本发明专利技术针对在震前参考信息缺乏情况下，仅依赖震后遥感影像对震害建筑物进行特征建模和随机森林分类中所存在的困难和局限，提出了一种基于决策树与特征优化的遥感影像震害建筑物识别方法。首先，结合影像分割及非建筑物筛选规则提取潜在建筑物对象集合；在此基础上，提出了一种基于分类正确率曲线波动判别的自适应决策树数量提取策略；同时，在特征重要度指标指引下对光谱、纹理、几何形态学这三大类特征进行筛选，获得具有代表性的震害特征集合；最后，基于所构建的优化随机森林模型对震害建筑物进行识别。通过对四组不同的遥感图像进行实验表明，本发明专利技术方法在震后复杂场景下的震害建筑物识别中展现出了出色的性能，其总体精度可达到85％以上。

Building identification method of remote sensing image based on decision tree and feature optimization

【技术实现步骤摘要】
基于决策树与特征优化的遥感影像震害建筑物识别方法
本专利技术公开了一种基于决策树与特征优化的遥感影像震害建筑物识别方法，属于图像识别

技术介绍
作为一种严重的自然灾害，地震的发生往往伴随着巨大的人员伤亡以及经济财产损失。震后及时、准确地识别震害建筑物，对快速评估灾情、开展应急救援响应及灾后重建等具有重要意义。相较于传统震后人工实地探查的方式，基于遥感影像的震害建筑物识别具有数据获取迅速、覆盖范围广等优势，已经成为震后应急响应中一种重要的技术手段。伴随着卫星和传感器技术的不断发展，高分辨率遥感影像的广泛应用带来了更加丰富的空间细节信息，从而有利于对震害建筑物的精细刻画。在已有震害建筑物识别方法中，仅依赖于震后影像的震害建筑物识别方法突破了对震前影像的依赖，因而更具应用推广性。尽管如此，此类方法不仅无法提取震前、震后变化信息作为识别的震害建筑物识别的依据，同时还需要面对遥感影像空间分辨率的提高所产生的更加突出的“同物异谱”和“同谱异物”现象，即完好建筑物、震害建筑物及其他地物的类内方差增大而类间方差减小所带来的严峻挑战。为此，能否本文档来自技高网...

【技术保护点】
1.一种基于决策树与特征优化的遥感影像震害建筑物识别方法，其特征在于，包括如下步骤：/n(1)对卫星遥感影像进行分割提取初始对象集合，并结合几何形态学特征提取潜在的建筑物对象集合；/n(2)基于分类正确率曲线波动判别规则自适应确定决策树数量；/n(3)在特征重要度指标指引下对光谱、纹理、几何形态学三大类特征进行筛选，获得具有代表性的震害特征集合，进而构建优化的随机森林模型；/n(4)根据随机森林判别结果将潜在建筑物对象集合进一步进行分类，识别出震害建筑物。/n

【技术特征摘要】
1.一种基于决策树与特征优化的遥感影像震害建筑物识别方法，其特征在于，包括如下步骤：
(1)对卫星遥感影像进行分割提取初始对象集合，并结合几何形态学特征提取潜在的建筑物对象集合；
(2)基于分类正确率曲线波动判别规则自适应确定决策树数量；
(3)在特征重要度指标指引下对光谱、纹理、几何形态学三大类特征进行筛选，获得具有代表性的震害特征集合，进而构建优化的随机森林模型；
(4)根据随机森林判别结果将潜在建筑物对象集合进一步进行分类，识别出震害建筑物。


2.根据权利要求1所述的基于决策树与特征优化的遥感影像震害建筑物识别方法，其特征在于，所述步骤(1)中采用高分辨率遥感影像分割算法WJSEG提取遥感影像的初始对象集合。


3.根据权利要求1所述的基于决策树与特征优化的遥感影像震害建筑物识别方法，其特征在于，所述步骤(1)中结合几何形态学特征提取潜在的建筑物对象集合的具体规则包括面积规则、矩形度规则和MBI规则；所述面积规则是根据对象所包含的像素个数确定是否剔除，若像素个数不超过设定的阈值，则剔除；所述矩形度规则是根据对象所包含的像素个数与最小外接矩形所包含的像素个数的比值和最小外接矩形的长宽比确定是否剔除，若比值小于设定的阈值且长宽比大于设定的阈值，则剔除；所述MBI规则是基于影像中所有像素的MBI值利用最大类间方差法自适应确定分离阈值，获得对象内属于非建筑物像素的比例，若比例大于设定的阈值则剔除对象。


4.根据权利要求1所述的基于决策树与特征优化的遥感影像震害建筑物识别方法，其特征在于，所述步骤(2)中基于分类正确率曲线波动判别规则自适应确定决策树数量，包括：
(2.1)在潜在的建筑物对象集合中，采用人工标记的方式提取样本，构成训练样本集；
(2.2)确定初始建筑物震害特征集合，包括光谱特征、纹理特征和几何形态学特征；
(2.3)构建初始随机森林模型，输入训练样本集，定义分类正确率为每棵树的分类正确的样本数与输入的样本数的比值，比值越大说明分类结果与真实情况越接近，计算每棵树的分类正确率并求所有决策树的正确率均值；
(2.4)以设定的步长，迭代增加决策树后构建新的随机森林模型，获得迭代次数为n时的正确率均值Accn；
(2.5)若某Accn满足Accn-1＜Accn＜Accn+1，则认为Accn是一个子区间内的峰值点，记Accopt0＝Accn；
(2.6)继续计算Accn后连续出现的3个峰值点，分别计为Accopt1、Accopt2、Accopt3，若满足Accopt0≥argmax{Accopt1,Acco...

【专利技术属性】
技术研发人员：朱立琴，仇星，刘辉，高成，王超，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32