基于机器学习的高分辨率遥感影像农业大棚提取

农业大棚数量、面积和空间位置信息的及时和准确采集,对于农业结构调整、污染防治有着重要意义。遥感数据被广泛应用于大棚提取,但是在遥感影像上大棚所占的面积往往远少于背景地物,属于少数类,而传统随机森林(RF)机器学习分类器对非平衡数据集中少数类样本分类效果较差。为了使RF更适用于对大棚的提取,优化了RF的样本选择方式,首先随机抽取相同数量的不同类别样本构建初始训练样本集进行RF建模,然后基于投票熵和样本间的广义欧几里得距离循环迭代的测试集中优选样本,并将所选样本添加到训练集。结果表明,优化的RF模型用于基于遥感数据的农业大棚信息获取可以取得满意的结果。