基于随机森林的遥感影像土地利用分类方法研究开题报告

1. 研究目的与意义

遥感数据的自动分类，其核心内容是用模式识别方法对遥感图像分类，模式识别算法诸如：传统的贝叶斯或最大似然估计、人工神经网络、随机森林和支持向量机等。从处理问题的性质和解决问题的方法来看，可以把遥感图像分类算法分为监督、半监督和非监督分类方法，从算法本身的性质来看可以分为有参的无参数的分类方法。虽然经过了数十年的应用研究，现有的土地分类算法已经十分丰富了，但是遥感图像数据量大，类别多，混淆性大等特点使得遥感数据的分类远远落后于遥感传感器的发展速度。因此提高分类精度和效率是当前遥感图像研究的关键问题。目前以贝叶斯理论为基础的统计分类方法在遥感图像分类中广泛使用，贝叶斯理论对遥感图像的应用研究提供了坚实的理论基础，贝叶斯分类法也称最大似然假设法，虽然在理论上可以得到最小的泛化误差，但是对于遥感数据的复杂性，需要对数据建立不同的概率模型，vretta从贝叶斯线性判别到复杂的变分高斯模型，并应用于遥感土地利用率，可见遥感图像建模的复杂性，概率分类的不确定性。 人工神经网络作为最早的机器学习算法在遥感图像分类中带来了不错的分类效果，其主要的思想是将遥感图像的光谱和空间信息进行分析和特征的选取，

2. 研究内容和预期目标

一、主要研究内容

本课题针对土地利用分类，使用随机森林模型进行遥感影像数据分类方法的研究。要求掌握遥感图像处理的基础知识，能够较为熟练的使用envi或者erdas遥感图像处理软件。熟悉遥感数据的预处理和分类，在此基础上，选取典型区域进行实验，并对实验结果进行分析评价。论文的主要研究内容包括：

1、遥感数据的预处理（几何校正，大气校正等）；

3. 研究的方法与步骤

1. 最大似然比分类法

最大似然比分类法是经常使用的监督分类方法之一，它是通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去的方法。最大似然法假定训练区地物的光谱特征和自然界大部分随机现象一样，近似服从正态分布，利用训练区可求出均值、方差以及协方差等特征参数，从而可求出总体的先验概率密度函数。

2.分级集群法

4. 参考文献

[1]张驰,佃袁勇,黄光体,周靖靖,李源,王熊.基于高分二号遥感数据的森林自然度等级划分[J].森林与环境学报,2020,40(01):91-98.[2]史敏伟,李庆.基于随机森林的GF-2影像土地利用分类研究[J].北京测绘,2019,33(12):1513-1517.[3]黄芳芳,雷鸣,张力,刘璇.基于随机森林和决策树的马尾松松材线虫病监测方法[J].信息通信,2019(12):32-36.[4]曹爽,潘锁艳,管海燕.机载多光谱LiDAR的随机森林地物分类[J].测绘通报,2019(11):79-84.[5]邱耀炜,沈蔚,纪茜.随机森林模型在遥感水深反演中的应用[J].海洋技术学报,2019,38(05):98-103.[6]陈媛媛,郑加柱,魏浩翰,张荣春,欧翔.基于不同特征的随机森林极化SAR图像分类[J].计算机系统应用,2019,28(08):183-189.[7]张峰,赵忠国,李刚,陈刚.基于不同分类器的农用地分类提取[J].新疆农业科学,2019,56(08):1560-1568.[8]徐乔,张霄,余绍淮,陈启浩,刘修国.综合多特征的极化SAR图像随机森林分类算法[J].遥感学报,2019,23(04):685-694.[9]李庆,史敏伟.基于随机森林的多时相Landsat8土地利用分类研究[J].信息技术与信息化,2019(07):181-183.[10]张卫春,刘洪斌,武伟.基于随机森林和Sentinel-2影像数据的低山丘陵区土地利用分类——以重庆市江津区李市镇为例[J].长江流域资源与环境,2019,28(06):1334-1343.[11]胡龙飞. 基于多源遥感数据的土地覆盖分类方法研究[D].重庆邮电大学,2019.

5. 计划与进度安排

一、研究工作准备阶段（2022.2.24——2022.3.15）： 2022.2.24——2022.3.8为准备工作阶段，包括查阅资料、实验数据收集等； 2022.3.9——2022.3.15为开题阶段，主要工作是撰写开题报告等。二、研究工作开展阶段（2022.3.16——2022.5.24）： 2022.3.16——2022.5.10为研究攻坚阶段，主要是研究论文撰写阶段； 2022.5.11——2022.5.24为论文修改阶段，对前期工作进行修改和完善。三、研究论文提交阶段（2022.5.25——2022.6.14）：毕业论文排版、打印、装订以及提交。