基于ReliefF-GA和随机森林算法的遥感影像面向对象分类
肖艳^1* 刘项¹ 王斌²

1 长春工程学院，吉林长春，130012；

2 长春市测绘院地理信息分院，吉林长春，130021；

摘要：为实现土地覆盖信息准确、快速的提取，提出了一种基于ReliefF-GA和随机森林算法的面向对象分类方法。本文以吉林省长春市典型城区为研究对象，基于Landsat8多光谱遥感影像开展地表覆盖分类方法探索。研究流程主要包括三个阶段：首先通过分割构建对象级分析单元，继而采用光谱-纹理-空间多维特征融合策略，形成包含83维特征参数的初始特征空间；随后引入ReliefF-GA混合特征优选模型，通过ReliefF算法的相关权重排序与遗传算法（Genetic Algorithm, GA）的全局寻优机制协同作用，筛选出具有显著判别力的9维特征组合；最终基于优化后的特征集构建随机森林分类器，实验结果显示总体分类精度达94.83%，Kappa一致性系数达0.9364。为验证方法有效性，将其与特征空间优化特征选择算法和K最近邻分类算法进行比较，结果表明，提出的方法能更有效的用于面向对象土地覆盖分类。

关键词：随机森林；面向对象；土地覆盖分类；特征优选；遗传算法

参考文献

[1]肖艳,王斌.基于面向对象的极化雷达影像分类[J].红外与毫米波学报,2020,39(4):505-512.

[2]Bui Q T, Chou T Y, Hoang T V, et al. Gradient Boosting Machine and Object-Based CNN for Land Cover Classification[J]. Remote Sensing, 2021, 13(14):2709.

[3]Li H, Yu C, Xia J, et al. A Model Output Machine Learning Method for Grid Temperature Forecasts in the Beijing Area[J]. Advances in Atmospheric Sciences, 2019, 36(10):1156-1170.

[4]薛敬.基于群体智能优化的高光谱遥感影像光谱特征选择研究[D].山西大学,2024.

[5]Naghibi S A, Ahmadi K, Daneshi A. Application of support vector machine, random forest, and genetic algorithm optimized random forest models in groundwater potential mapping[J]. Water Resources Management, 2017, 31: 2761-2775.

[6]肖艳,姜琦刚,王斌,等.基于ReliefF和PSO混合特征选择的面向对象土地利用分类[J].农业工程学报,2016,32(4):211-216.

[7]董兰芳,张军挺.基于深度学习与随机森林的人脸年龄与性别分类研究[J].计算机工程,2018,487(5):252-257.