【技術實現步驟摘要】
本專利技術涉及遙感圖像識別，具體涉及一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法。
技術介紹
1、紅海欖是我國紅樹林生態系統的建群種之一，是真紅樹植物的典型代表，紅海欖具有發達的支柱根形成的穩固支架，具有相對同屬種紅樹更強的防風、消浪和固岸能力，這一樹種多分布在沿海灘涂的中內灘部分，對環境條件要求不高，因此，紅海欖成為我國紅樹林生態恢復的優選樹種，經過長期造林修復，通過遙感制圖獲取的數據顯示我國紅樹林面積穩步回升，但是其樹種構成尚不清晰，快速準確的獲取特定紅樹樹種分布，是支撐國家尺度紅樹樹種分布制圖的重要基礎，對于紅樹林精準管理、科學恢復和有效保護具有重要意義。
2、近年來，依托于機器學習方法和先進傳感器，遙感技術已逐步應用于紅樹樹種分布制圖。由于紅樹林樹種是不同科屬植物在潮間帶環境下的協同進化，同一樹種在不同淹水情況和鹽度條件具有表型差異，因此紅樹樹種分布制圖具有挑戰性，作為有代表性的紅樹樹種，紅海欖遙感識別同樣面臨這些挑戰，可持續發展科學衛星提供了新的紅邊和深藍波段，為紅樹樹種識別帶來了新的機遇，隨機森林算法常用于各種土地覆被分類，但其內部的決策規則數量龐大、難以被理解，從繁雜的決策規則集中抽取和重構有效規則，可以提高效率、促進對機器學習算法的理解。現有技術中并沒有給出具體手段來針對隨機森林模型中重構決策規則提取紅海欖。
技術實現思路
1、為了解決現有技術中隨機森林算法內部的決策規則數量龐大、難以被理解，現有技術中并沒有給出具體手段來針對隨機森林模型中重構決
2、本專利技術采用如下技術方案，一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，包括：
3、利用衛星多光譜數據獲取目標區域的遙感圖像；
4、提取目標區域的每一張遙感圖像中紅海欖對應的分類特征，并根據分類特征構建樣本集；
5、利用樣本集對隨機森林算法進行訓練，得到訓練好的隨機森林模型；
6、對訓練好的隨機森林模型進行遞歸解析，獲取隨機森林模型的每個決策樹中紅海欖對應的決策規則；所述決策規則包括分類特征、特征頻數和特征閾值；
7、根據每個分類特征對應的特征頻數獲取多個特征組合；根據每個分類特征對應的特征閾值獲取特征組合中每個分類特征的值域范圍和潛在閾值，并利用遺傳算法在每個分類特征的潛在閾值中確定每個分類特征對應的最佳閾值；
8、根據每個特征組合及特征組合中每個分類特征對應的最佳閾值得到多個重構決策規則；
9、獲取每個重構決策規則的錯誤率，并根據所述錯誤率在所有重構決策規則中確定出最優決策規則，利用最優決策規則對紅海欖遙感圖像進行遙感提取。
10、進一步的，所述紅海欖對應的分類特征包括：波段特征、波段比值、水指數以及植被指數。
11、進一步的，利用樣本集對隨機森林算法進行訓練，具體包括：
12、設定隨機森林算法中弱分類器的個數參數，并將弱分類器使用的變量個數設定為樣本數量的平方根；
13、隨機森林算法采用樣本集進行訓練，得到由多個決策樹弱分類器構成的訓練好的隨機森林模型。
14、進一步的，根據每個分類特征對應的特征閾值獲取組合中每個分類特征的值域范圍和潛在閾值的方法為：
15、統計訓練好的隨機森林模型中各個分類特征對應的特征閾值集合，獲取特征閾值集合中的最大值和最小值作為每個分類特征的值域范圍；
16、使用密度估計方法對所有分類特征的特征閾值分布進行擬合，獲取出現概率最高的特征閾值作為潛在閾值。
17、進一步的，獲取每個重構決策規則的錯誤率的方法為：
18、利用每個重構決策規則對樣本集進行分類，根據分類結果中錯分樣本與漏分樣本的數量之和在樣本總數中的占比，得到每個重構決策規則的錯誤率。
19、進一步的，根據所述錯誤率確定最優決策規則時，還包括：
20、根據每個重構決策規則的錯誤率對特征組合從小到大排序，并獲取每個特征組合中分類特征數量，根據錯誤率從小到大，分類特征數量由少到多的順序，依次選擇設定數量的特征組合對應的重構決策規則構建備選決策規則集合。
21、進一步的，利用最優決策規則對紅海欖遙感圖像進行遙感提取的方法為：
22、利用最優決策規則在紅海欖遙感圖像中計算每個像素點的分類特征，遍歷影像中的像素位置，獲取像素位置的所有分類特征滿足設定閾值要求的區域，完成對紅海欖的遙感提取。
23、本專利技術的有益效果是：本專利技術首先基于遙感影像構建的樣本集訓練了隨機森林模型，然后利用遞歸解析方法將該模型按照特征與閾值的關系分組展開為特征、特征頻數、特征閾值，根據特征頻數隨機產生特征組合，根據特征閾值分布估算潛在閾值及其值域范圍，最終通過遺傳算法確定一系列特征組合對應的最佳閾值，按照錯誤率和特征數量篩選，應用所得到的重構決策規則，實現紅海欖分布快速提取；克服了隨機森林等黑箱算法難以被理解的問題，解決了決策過程的可解釋性問題，同時本專利技術所涉及的基于重構決策規則的紅海欖提取方法快捷有效，提高了分類模型及其決策結果的可解釋性，具有可遷移性和魯棒性，對紅海欖等紅樹樹種的遙感識別具有重要意義。
本文檔來自技高網...【技術保護點】
1.一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，其特征在于，包括：
2.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，
3.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，
4.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，其特征在于：根據每個分類特征對應的特征閾值獲取組合中每個分類特征的值域范圍和潛在閾值的方法為：
5.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，
6.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，
7.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，
【技術特征摘要】
1.一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，其特征在于，包括：
2.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，
3.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，
4.根據權利要求1所述的一種基于隨機森林模型重構決策規則的紅海欖遙感提取方法，其特征在于...
【專利技術屬性】
技術研發人員：趙傳朋，賈明明，王宗明，任春穎，毛德華，
申請(專利權)人：中國科學院東北地理與農業生態研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。