基于随机森林的FY-2G云检测方法

doi:10.13474/j.cnki.11-2246.2019.0079

测绘通报 ›› 2019, Vol. 0 ›› Issue (3): 61-66.doi: 10.13474/j.cnki.11-2246.2019.0079

基于随机森林的FY-2G云检测方法

付华联^1,2, 冯杰¹, 李军¹, 刘军²

1. 成都理工大学, 四川成都 610000;
2. 中国科学院深圳先进技术研究院, 广东深圳 518055

收稿日期:2018-04-18 出版日期:2019-03-25 发布日期:2019-04-02
通讯作者: 李军。E-mail:kingleo_cn@qq.com E-mail:kingleo_cn@qq.com
作者简介:付华联(1993-),女,硕士生,研究方向为图像处理与模式识别。E-mail:1481671930@qq.com
基金资助:
国家重点研发计划（2017YFB0504203）；深圳国际合作研究项目（GJHZ20160229194322570）；广东省科技计划（2017A050501027）；中科院西部之光项目（2016-QNXZ-A-5）；深圳基础研究项目（JCYJ20160429191127529）

Cloud detection method of FY-2G satellite images based on random forest

FU Hualian^1,2, FENG Jie¹, LI Jun¹, LIU Jun²

1. Chengdu University of Technology, Chengdu 610000, China;
2. Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China

Received:2018-04-18 Online:2019-03-25 Published:2019-04-02

摘要/Abstract

摘要： 根据遥感影像中云检测原理，提出了基于随机森林的遥感影像云检测方法，并将其应用于FY-2G影像。结合国家气象卫星中心（NSMC）的云检测产品数据进行了算法的精度检验，云检测个例的精度检验结果显，最高命中率（POD）为88.32%，最低误报率（FAR）为9.36%，临界成功指数（CSI）为80.14%。结果表明，该方法有效地提高了云检测精度，同时能正确标识NSMC中部分误判的情况。

关键词: 云检测, 国家气象卫星中心, 随机森林, 大津法, FY-2G

Abstract: According to the principle of cloud detection in remote sensing images,a method based on the random forest was proposed in this paper and applied to FY-2G images.Combining the cloud inspection product of the National Meteorological Satellite Center (NSMC) for accuracy testing of the algorithm,the accuracy test of the cloud detection shows that the Probability of Detection (POD) is 88.32%,the minimum False Alarm Rate (FAR) is 9.36%,and the Critical Success Index (CSI) is 80.14%.The results show that the method can improve the accuracy of cloud detection effectively,and identify the partial misjudgment in NSMC correctly.

Key words: cloud detection, NSMC, random forest, Otsu, FY-2G

中图分类号:

P237

付华联, 冯杰, 李军, 刘军. 基于随机森林的FY-2G云检测方法[J]. 测绘通报, 2019, 0(3): 61-66.

FU Hualian, FENG Jie, LI Jun, LIU Jun. Cloud detection method of FY-2G satellite images based on random forest[J]. 测绘通报, 2019, 0(3): 61-66.

参考文献

[1] 曹敏洁. 遥感图像厚云及其阴影去除技术研究[D]. 桂林:广西师范大学, 2015.
[2] 施鹏. 基于光学遥感图像的舰船目标自动检测技术[D]. 合肥:中国科学技术大学, 2010.
[3] 邱康睦, 王宝华, 吴晓. 气象卫星遥感海面温度的资料处理方法[J]. 中国空间科学技术,1992(1):67-73.
[4] YAN Z, BAOGUO W U, DONG W. Research dynamics of the classification methods of remote sensing images[J]. Asian Agricultural Research, 2013,5(3):118-122.
[5] WANG K, GU X, YU T, et al. Classification of hyperspectral remote sensing images using frequency spectrum similarity[J]. Science China(Technological Sciences), 2013(4):980-988.
[6] 刘奇, 傅云飞, 冯沙. 基于ISCCP观测的云量全球分布及其在NCEP再分析场中的指示[J]. 气象学报, 2010(5):689-704.
[7] 王旻燕, 王伯民. ISCCP产品和我国地面观测总云量差异[J]. 应用气象学报, 2009,20(4):411-418.
[8] 刘紫涵, 吴艳兰. 遥感图像云检测方法研究进展[J]. 国土资源遥感, 2017,29(4):6-12.
[9] 侯舒维, 孙文方, 郑小松. 遥感图像云检测方法综述[J]. 空间电子技术, 2014(3):68-76.
[10] 武艳, 银燕, 师春香, 等. 基于动态阈值法的NOAA系列卫星云检测结果检验[J]. 高原气象, 2012(3):745-751.
[11] 韩杰, 杨磊库, 李慧芳, 等. 基于动态阈值的HJ-1B图像云检测算法研究[J]. 国土资源遥感, 2012,24(2):12-18.
[12] 杨俊, 吕伟涛, 马颖, 等. 基于自适应阈值的地基云自动检测方法[J]. 应用气象学报, 2009,20(6):713-721.
[13] 杨羚, 王树根, 孙明伟, 等. 基于图割模型的高分全色影像自动云检测[J]. 地理空间信息, 2018,16(1):12-15.
[14] LI D, YANG F, WANG X. Study on ensemble crop information extraction of remote sensing images based on SVM and BPNN[J]. Journal of the Indian Society of Remote Sensing, 2017:229-237.
[15] GAO F, ZHANG L, WANG J, et al. Change detection in remote sensing images of damage areas with complex terrain using texture information and SVM[C]//Proceedings of 2015 International Conference on Circuits and Systems(CAS 2015). Beijing:[s.n.], 2015:225-229.
[16] WANG P, BAO W. Wetland information extraction from RS image based on wavelet packet and the active learning support vector machine[C]//Computer and Computing Technologies in Agriculture IV. Berlin:Springer, 2011:491-499.
[17] 周天宁, 明冬萍, 赵睿. 参数优化随机森林算法的土地覆盖分类[J]. 测绘科学, 2017,42(2):88-94.
[18] 张晓羽, 李凤日, 甄贞, 等. 基于随机森林模型的陆地卫星-8遥感影像森林植被分类[J]. 东北林业大学学报, 2016,44(6):53-57.
[19] 王书玉, 张羽威, 于振华. 基于随机森林的洪河湿地遥感影像分类研究[J]. 测绘与空间地理信息, 2014,37(4):83-85.
[20] 吴丹, 蔡晓东, 谢月飞, 等. 基于直方图分析和OTSU算法的文字图像二值化[J]. 计算机与现代化, 2013(7):117-119.

基于随机森林的FY-2G云检测方法

Cloud detection method of FY-2G satellite images based on random forest

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吕峥, 孙群, 温伯威, 马京振. 一种自身全局最优的道路网Stroke生成方法[J]. 测绘通报, 2022, 0(7): 93-99.
[2]	郁宗桥, 王育红, 刘文宋, 左雨芳, 冯锋. 顾及GF-3影像纹理特征的洪涝范围提取方法[J]. 测绘通报, 2022, 0(5): 26-31.
[3]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.
[4]	冯志立, 肖锋, 卢小平, 郝波, 王如意, 朱睿. 基于随机森林特征优选的冬小麦分类方法[J]. 测绘通报, 2022, 0(3): 70-75.
[5]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[6]	崔青林, 汪鸣泉, 黄永健. 融合随机森林模型和6种水体指数的上海市水体信息提取[J]. 测绘通报, 2022, 0(2): 106-109.
[7]	高雨, 胡召玲, 樊茹. 高分辨率影像融合算法对滨海湿地土地利用分类精度的影响[J]. 测绘通报, 2022, 0(1): 116-120.
[8]	李军, 桑潇, 张成业, 赵伟, 刘新华, 王宏鹏, 王金阳, 李佳瑶, 杨颖. 资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例[J]. 测绘通报, 2021, 0(7): 17-22,38.
[9]	刘茂华, 李曼雯. 融合高分影像和LiDAR数据的城市道路提取[J]. 测绘通报, 2021, 0(6): 1-5,60.
[10]	古春霞, 李大成. 时空融合技术在区域地表覆盖时序分类中的应用[J]. 测绘通报, 2021, 0(5): 20-24.
[11]	苏美臣, 魏晓燕, 周峻松, 汪祎勤. 金沙江流域滑坡易发性空间预报分析[J]. 测绘通报, 2021, 0(4): 13-16.
[12]	段雅鸣, 张锦水, 朱爽. 基于深度卷积神经网络的云检测方法[J]. 测绘通报, 2021, 0(4): 33-39.
[13]	陈利燕, 林鸿, 吴健华. 融合随机森林和超像素分割的建筑物自动提取[J]. 测绘通报, 2021, 0(2): 49-53.
[14]	李悦, 张敏. 面向对象的高分辨率遥感影像建设用地变化监测[J]. 测绘通报, 2021, 0(2): 54-58.
[15]	赖正文, 夏小云. 像素级和对象级高分辨率遥感图像变化检测分析[J]. 测绘通报, 2021, 0(2): 59-63.