基于随机森林方法的遥感影像分类方法

通过研究随机森林方法,针对上海、辽宁、陕西、福建四个地区的中分辨率成像光谱仪(MO-DIS)影像数据,建立五个时间序列的训练集,通过随机森林机器学习方法,学习一年内目标区域的时序变化规律,从而获取更为精确的分类效果,并对比研究该算法对于上述四个地区识别方法的优劣.实验结果显示随机森林分类法在没有海部的地区识别效果能够达到90％以上,使用训练集数据量越大,识别率越高,数据量达到一年左右后,识别率只有微小波动.通过预测图像像素点与验证图像像素点对比进行精度评价,取得了不错的大尺度植被分类结果.     

POS辅助空三数据建立立体模型及精度检测

结合某区域的1∶10 000测图任务,在分析利用POS辅助空三数据建立立体模型流程的基础上,探讨了立体模型建立过程中的相关技术要点,包括相机文件的创建、航线列表的建立、控制点的引入、高程异常模型的引入及相对定向的人工编辑等。最后对建立的立体模型进行精度检测,结果表明:立体模型的精度可满足1∶10 000测图要求。