基于随机森林方法的卫星高光谱影像道路提取与分析.pdf

高分辨率卫星高光谱影像在道路精细分类与提取方面具有广阔的前景,但目前星载高光谱道路提取所需谱段、光谱分辨率等核心指标尚不明确.文章在构造高光谱影像道路提取的随机森林方法的基础上,利用模拟数据和实验,比较了可见光近红外通道和短波红外通道,以及不同光谱分辨率条件下道路提取的精度.结果表明:利用可见光近红外或短波红外数据均能很好地实现机场跑道、水泥路、沥青道路、土路的准确分类,分类精度随光谱分辨率减小而提高.其中,高光谱影像在提取机场道路和水泥路方面精度高、优势明显.文章相关结论可为高分辨率高光谱卫星总体设计和道路提取处理算法提供参考.关键词道路提取;卫星高光谱影像;光谱分辨率;分类精度中图分类号:T P 文献标志码:AD O I:/j i s s n R o a dE x t r a c t i o na n dA n a l y s i so fS a t e l l i t eH y p e r s p e c t r a lI m a g eB a s e do nR a n d o mF o r e s tM e t h o dZ HANGL e iQ I UX i a n f e iQ I AOK a iL IZ h e nL I US h a o c o n gL I UT i n g h a o(B e i j i n gI n s t i t u t eo fT r a c k i n ga n dT e l e c o mm u n i c a t i o n sT e c h n o l o g y,B e i j i n g ,C h i n a)(I n s t i t u t eo fR e m o t eS e n s i n gS a t e l l i t e,C h i n aA c a d e m yo fS p a c eT e c h n o l o g y,B e i j i n g ,C h i n a)A b s t r a c t:S a t e l l i t eh y p e r s p e c t r a l i m a g e sw i t hh i g h r e s o l u t i o nh a v eb r o a dp r o s p e c t f o rp r e c i s e c l a s s i f i c a t i o na n de x t r a c t i o no f r o a d s H o w e v e r,t h e c o r e i n d e x e s s u c ha s s p e c t r u ms e g m e n t a n ds p e c t r a l r e s o l u t i o nr e q u i r e d f o r s p a c e b o r n eh y p e r s p e c t r a l r o a de x t r a c t i o n,a r e s t i l l u n c l e a r O n t h eb a s i so f c o n s t r u c t i n ga r a n d o mf o r e s tm e t h o d f o r r o a de x t r a c t i o n f r o mh y p e r s p e c t r a l i m a g e,t h i sp a p e rc o m p a r e s t h ea c c u r a c yo f r o a de x t r a c t i o nu n d e rd i f f e r e n ts p e c t r a l r e s o l u t i o nc o n d i t i o n su s i n gs i m u l a t i o nd a t aa n de x p e r i m e n t s,i n c l u d i n gv i s i b l e l i g h tn e a r i n f r a r e ds p e c t r a l c h a n n e l a n ds h o r t w a v e i n f r a r e dc h a n n e l T h e r e s u l t s s h o wt h a tb o t hv i s i b l e l i g h tn e a r i n f r a r e da n ds h o r t w a r e i n f r a r e dd a t ac o u l db eu s e dt oa c c u r a t e l yc l a s s i f ya i r p o r tr u n w a y s,c e m e n tr o a d s,a s p h a l tr o a d sa n dd i r t r o a d s,a n dt h ec l a s s i f i c a t i o na c c u r a c yi n c r e a s e sw i t ht h ed e c r e a s eo fs p e c t r a lr e s o l u t i o n A m o n gt h e m,t h e h y p e r s p e c t r a li m a g e s h a v e h i g h p r e c i s i o n a n d o b v i o u sa d v a n t a g e si nt h ee x t r a c t i o no f a i r p o r t r o a da n dc e m e n t r o a d T h e r e l e v a n t c o n c l u s i o n so f t h i sp a p e r c a np r o v i d e r e f e r e n c e f o r t h eo v e r a l ld e s i g no fh i g h r e s o l u t i o nh y p e r s p e c t r a ls a t e l l i t e sa n dr o a de x t r a c t i o np r o c e s s i n ga l g o r i t h m s K e yw o r d s:r o a de x t r a c t i o n;s a t e l l i t eh y p e r s p e c t r a l i m a g e;s p e c t r a l r e s o l u t i o n;c l a s s i f i c a t i o na c c u r a c y道路作为交通路网的重要组成部分,是地图制图和地理信息系统的重要标记对象.在遥感影像中,道路一般宽度为几米到几十米,具有条带状几何特征、明显的边缘辐射变化特征以及拓扑信息特征.随着影像分辨率的提高,利用星载高分辨率光学遥感影像实现道路的自动提取成为研究热点 .但传统高空间分辨率影像仅有一个或几个谱段,易受到噪声、阴影、绿化带、车辆影响,难以实现道路的精细分类.随着星载高光谱遥感技术发展,利用目标光谱的指纹特征优势,星载遥感系统的精细分类与识别能力不断提升.未来,当星载高光谱影像达到米级甚至亚米级空间分辨率时,高光谱影像将在道路的自动提取方面发挥重要作用.以往学者的研究中已经广泛应用端到端的图像仿真手段,对典型场景下高光谱探测效能进行预估.近年来,也已经开展了星载米级空间分辨率高光谱探测车辆目标的效能评估,分析了小尺度目标识别能力与空间分辨率的关系.然而,目前米级空间分辨率星载高光谱系统还在设计阶段,尚未形成对高光谱数据实现道路自动提取效能的系统性认识,道路提取效能与光谱范围、光谱分辨率的关系未知.因此,亟需开展仿真实验和道路提取能力的评估分析.本文利用随机森林方法设计基于高光谱遥感影像的道路提取方法,着重对道路分类所需的光谱分辨率进行分析,并比较可见光近红外和短波红外通道的提取精度,分析谱段范围和光谱分辨率对高光谱道路提取的影响,以期为下一代高分辨率高光谱卫星的设计优化、谱段选择提供参考.道路提取方法与验证实验本文为研究星载高分辨率高光谱数据的光谱通道和光谱分辨率对道路提取的精度影响,采用如图所示流程开展实验和分析.利用机载影像进行人机交互及目视经验判别的道路轮廓提取和影像提取,得到道路真实类型的参考分布信息,并提取道路样 本数据集,构 建 随 机 森 林 分 类 器;然后,以高空间分辨率、高光谱分辨率的机载影像作为输入,模拟不同光谱分辨率(n m、n m、n m)的星载高光谱影像.基于随机森林分类器对不同光谱分辨率的影像数据进行道路分类;最后,对分类精度进行评价,对比分析不同光谱分辨率、不同光谱通道的分类精度.图实验流程图F i g E x p e r i m e n t a l f l o wc h a r t 数据介绍与预处理 高光谱数据本文研究所用的机载高光谱影像数据采集于浙江省东阳市横店,获取日期为 年月 日.机载航带 条,覆盖面积为 k m,地貌包括城镇及山地,如图所示.处理区域为横店机场及周边(黄色框范围),高光谱影像(真彩色)如图所示.该机载原始数据的空间分辨率为m、光谱分辨率为 n m,按谱段范围分为可见光近红外和短波红外两个通道:可见光近红外通道谱段范围为 n m,短波红外通道谱段范围为 n m.以经过辐射校正和几何校正的机载高光谱数据作为输入模拟星载米级空间分辨率条件下不同光谱分辨率的高光谱影像产品.然后,进行数据处理,模拟目前星载高光谱成像仪设计能力下不同光谱分辨率的影像数据,以开展道路提取研究.航天器工程 卷图研究区地理位置F i g G e o g r a p h i c a l l o c a t i o no f s t u d ya r e a图研究区高光谱影像(真彩色)F i g H y p e r s p e c t r a l i m a g eo f s t u d ya r e a(t r u ec o l o r)数据预处理机载高光谱成像过程中,载荷辐射响应特性、飞行方向、大气传输都对测量光谱产生影响,使得直接测量到的原始数据光谱不能有效代表道路光谱特性.对机载数据进行大气校正,得到地表反射率影像.在进行大气校正后,对反演得到的反射率影像数据进行光谱重采样,以模拟星载系统光谱响应特性.)大气校正基于快速大气校正工具校正影像中的大气影响,反演得到地表反射率.自动从图像上收集不同物质的波谱信息,经过基准波谱收集、基准波谱归一化、植被滤波、端元收集、明线光谱滤波、端元平均、确定模型系数,获取经验值完成 n m m谱段内高光谱和多光谱的快速大气校正.)光谱重采样按照目前星载高光谱成像系统常用的n m、n m、n m三种光谱分辨率,对反演得到的高光谱反射率数据进行光谱维重采样,模拟星载光谱响应状态.重采样时,采用光谱分辨率等于波段间距的高斯光谱响应模型对高光谱数据进行加权平均处理,权重用高斯型光谱重采样函数表示,不同波长对应的权重为f(x)e(x)()式中:x为采样点波长;为中心波长;为标准差,用光谱分辨率的 分之一表示.在高斯函数,范围内积分则是经过采样后的光谱值.按 n m、n m、n m光谱分辨率进行重采样得到的道路像元反射率光谱如图所示.图反射率影像光谱重采样结果(反射率比例系数:)F i g S p e c t r a l r e s a m p l i n go f r o a dr e f l e c t a n c es p e c t r a(r a t i oc o e f f i c i e n to f r e f l e c t a n c e:)道路参考类别提取为了将随机森林方法应用于高光谱数据进行道路提取,研究不同光谱分辨率条件下道路提取的精度,需要在高光谱影像数据中标记道路类型、标注道路位置、提取训练数据.通过人机交互及目视经验判别对影像中的道路第期张蕾 等:基于随机森林方法的卫星高光谱影像道路提取与分析轮廓提取,并将提取到的道路轮廓对影像进行裁剪,得到该区域影像的道路数据(如图所示).结合影像中道路分布及其作用类型,可将道路分为沥青道路、水泥道路、土路、机场跑道四大基本道路类型,考虑各类别道路实际承担的交通功能和材质,可细分类别如图所示.可以看出:研究区域中土路分布在研究区的两处不同位置,其纹理信息与光谱信息存在差异,故将其分为土路和土路两种类型;沥青道路有一段与土路相接,车辆在行驶过程中存在将土路中的泥土带入沥青道路上的现象,导致该沥青道路路段表面附着一层泥土使其光谱信息发生变化,故将该沥青道路路段分为沥青道路(尘土)类.图分类结果中机场道路和机场跑道材质一致,合并为一类;水泥路和桥面水泥路材质一致,合并为一类.最终,影像中的道路类别分为类,分别为沥青道路、水泥路、土路、土路、机场跑道和沥青道路(尘土).图中的不同类别空间分布信息可作为接下来随机森林分类结果的验证数据.图道路影像提取结果F i g R o a d i m a g ee x t r a c t i o nr e s u l t图道路类型分布图F i g M a po f r o a dt y p ed i s t r i b u t i o n 随机森林模型构建 年,美国科学家L e oB r e i m a n提出随机森林方法,该方法是一种基于多棵分类与回归决策树构成的新型机器学习算法.随机森林方法使用决策树装袋,随机从原始训练数据集中有放回地选取样本,生成训练样本集,再针对每个训练样本集创建相同数量的随机变量,训练数据和随机变量一一对应生成决策树.生成多棵决策树,并综合多棵决策树的结果,实现最终分类.随机森林分类方法具有其多级决策特性和便于集成多种分类特征的优点,每个决策树训练过程相互独立,可并行生成,提升分类效率,广泛应用于遥感影像的分类和信息提取应用中.本文采用随机森林方法对高光谱影像中的道路进行自动提取,共分为个步骤,算法示意如图所示.()创建随机向量:根据 节中确定的道路类别,标记样本点、沥青道路、水泥道路、土路、土路、机场跑道和沥青道路(尘土)共类道路目标的像元光谱,构成训练样本集D.采用B o o t s t r a p重抽样方法,随机地从训练数据集D中有放回地选取t个样本集,生成约原样本集/大小的训练样本集Dt,t,t,t,对t个训练样本集创建t个随机变量Tt,t,t,t.由于生成决策树时,随机有放回抽取样本集的过程是独立的,所以其中Tt,t,t,t是一组独立且具有相同分布的随机向量序列.()建立多决策树:训练样本集Dt与随机变量集Tt一一对应,构成t棵决策树.对每一棵决策树在每个节点上随机抽取t个特征.计算每个特征的信息熵,选择最具有分类能力的特征进行节点分裂.本文在不同光谱分辨率下的道路提取实验中树的数目t均设为 .()组合决策树:生成所有决策树后,利用t个决策树模型分别对高光谱影像逐像元进行分类,得到t个分类结果,采用多数投票的方法对所有决策树的分类结果进行综合,得出最终分类结果.图随机森林方法示意图F i g S c h e m a t i cd i a g r a mo f r a n d o mf o r e s tm e t h o d航天器工程 卷 训练样本选取在待分类影像中选取真实可靠的类别数据样本集,将其添加至训练决策树中进行迭代分类,从而获得分类结果.结合本次实验所需确定的类道路(包括机场跑道、水泥路、沥青道路、沥青道路(尘土)、土路和土路),在影像中均匀选择训练样本,如图所示.训练样本中包括全部类道路,组内各类地物选取同样的样本数均设置为 .图光谱分辨率 n m影像的分类样本集选择F i g S e l e c t i o no f c l a s s i f i e ds a m p l es e t s f o r n ms p e c t r a l r e s o l u t i o n i m a g e s分类结果与分析 分类结果)可见光近红外影像分类结果在道路提取处理后的不同光谱分辨率的可见光近红外高光谱遥感影像中选出各类道路的训练样本数据集,并运用随机森林分类算法进行要素提取,得到分类结果如图所示.可知随着影像光谱分辨率的降低,随机森林道路分类中错误识别像元数量增多.图可见光近红外影像随机森林分类结果F i g R e s u l t so f r a n d o mf o r e s t c l a s s i f i c a t i o nu s i n gv i s i b l ea n dn e a r i n f r a r e d i m a g e s)短波红外影像分类结果采用道路提取处理后的不同光谱分辨率的短波红外高光谱遥感影像,选出各类道路的训练样本数据集,并运用随机森林分类算法进行要素提取,得到的分类结果如图 所示.由图 可知:在该波段范围内识别出的道路类别中存在着明显的错分像元现象,对土路类型的道路类别分类精度较低.同时该影像分类结果中对阴影区域的识别较差,未能很好地识别出原始图像中存在的阴影区域,导致分类结果中存在着明显的道路缺失现象.这就说明在短波红外波段范围内,图像中的阴影区域不易划分其参考类别.第期张蕾 等:基于随机森林方法的卫星高光谱影像道路提取与分析图 短波影像随机森林分类结果图F i g R e s u l t so f r a n d o mf o r e s t c l a s s i f i c a t i o nu s i n gs h o r t w a v e i m a g e s 精度分析以图道路类别分布数据作为参考数据,对各分类结果进行精度分析,分别统计各类道路相对于参考数据的相对精度、总体精度和K a p p a系数.分别对可见光近红外影像、短波红外影像结果进行统计,并分析分类精度随光谱分辨率的变化.)可见光近红外影像分类结果分析表是基于随机森林方法得到不同光谱分辨率条件下可见光近红外分类结果对应的混淆矩阵.基于混淆矩阵,进行分类精度统计得到分类精度.表给出了不同光谱分辨率影像下基于随机森林分类算法的各类别精度统计.可以看出:总体分类精度达到 以上,K a p p a系数达到 以上.在种不同的光谱分辨率下,机场周边地区道路采用随机森林分类算法获得的分类结果皆具有较高的精度.从表可以看出如下结果.()各类道路在光谱分辨率为 n m时的分类精度(OA)最高,各类道路的分类精度也都高于.()随着光谱分辨率的降低,各类道路在随机森林分类结果的分类精度逐渐降低,各类别间的可分离性降低.()土路和沥青道路(尘土)类型在各光谱分辨率下的分类精度较为稳定,说明随机森林分类法在这两类道路在的鲁棒性较强,不易受光谱分辨率的干扰.()随着光谱分辨率的下降,该分类方法在可见光近红外波段范围(n m)的总体分类精度也随之下降.由此可知,对于可见光近红外高光谱影像,基于随机森林分类法的道路识别精度对于光谱分辨率尤为敏感,随着光谱分辨率的降低,该方法分类结果精度也因此而降低.表可见光近红外影像 n m光谱分辨率混淆矩阵T a b l eC o n f u s i o nm a t r i xo f v i s i b l ea n dn e a r i n f r a r e di m a g e sw i t hs p e c t r a l r e s o l u t i o nm a c h i n eo f n m预测实际机场跑道水泥路沥青道路土路土路沥青道路(尘土)机场跑道 水泥路 沥青道路 土路 土路 沥青道路(尘土)表可见光近红外影像 n m光谱分辨率混淆矩阵T a b l eC o n f u s i o nm a t r i xo f v i s i b l ea n dn e a r i n f r a r e di m a g e sw i t hs p e c t r a l r e s o l u t i o nm a c h i n eo f n m预测实际机场跑道水泥路沥青道路土路土路沥青道路(尘土)机场跑道 水泥路 沥青道路 土路 土路 沥青道路(尘土)表可见光近红外影像 n m光谱分辨率混淆矩阵T a b l eC o n f u s i o nm a t r i xo f v i s i b l ea n dn e a r i n f r a r e di m a g e sw i t hs p e c t r a l r e s o l u t i o nm a c h i n eo f n m预测实际机场跑道水泥路沥青道路土路土路沥青道路(尘土)机场跑道 水泥路 沥青道路 土路 土路 沥青道路(尘土)航天器工程 卷表可见光近红外影像随机森林分类算法各类别精度统计T a b l eP r e c i s i o ns t a t i s t i c so f v i s i b l e t on e a r w a v e i n f r a r e di m a g e sb a s e do nr a n d o mf o r e s t c l a s s i f i c a t i o na l g o r i t h m类别光谱分辨率分辨率 n m分类精度分辨率 n m分类精度分辨率 n m分类精度机场跑道 水泥路 沥青道路 沥青道路(尘土)土路 土路 总体分类精度 K a p p a系数 )短波影像分类结果分析表是基于随机森林方法得到不同光谱分辨率时短波红外分类结果对应的混淆矩阵.表短波影像 n m光谱分辨率混淆矩阵T a b l eC o n f u s i o nm a t r i xo f s h o r t w a v e i n f r a r e di m a g ew i t hs p e c t r a l r e s o l u t i o nm a c h i n eo f n m预测实际机场跑道沥青道路土路土路沥青道路(尘土)机场跑道 水泥路 沥青道路 土路 土路 沥青道路(尘土)表短波影像 n m光谱分辨率机森林分类结果混淆矩阵T a b l eC o n f u s i o nm a t r i xo f s h o r t w a v e i n f r a r e d i m a g ew i t hs p e c t r a l r e s o l u t i o nm a c h i n eo f n m预测实际机场跑道水泥路沥青道路土路土路沥青道路(尘土)机场跑道 水泥路 沥青道路 土路 土路 沥青道路(尘土)表短波影像 n m光谱分辨率机森林分类结果混淆矩阵T a b l eC o n f u s i o nm a t r i xo f s h o r t w a v e i n f r a r e di m a g ew i t hs p e c t r a l r e s o l u t i o nm a c h i n eo f n m预测实际机场跑道水泥路沥青道路土路土路沥青道路(尘土)机场跑道 水泥路 沥青道路 土路 土路 沥青道路(尘土)基于混淆矩阵,进行分类精度计算.表给出了不同光谱分辨率影像下基于随机森林分类算法的各类别精度统计.短波影像分类结果表明:在机场周边地区道路的短波红外光谱范围内采用随机森林分类算法获得的分类结果皆具有较高的精度.总体的分类精度达到,K a p p a系数为 以上.在短波红外波段范围内(n m)各地物基于随机森林分类法的分类精度不会随着光谱分辨率的变化而变化,且在该光谱范围内沥青道路(尘土)、土路和土路这类道路类别的分类精度较低.由表可以看出如下结果.()机 场 道 路 类 别 在 各 光 谱 分 辨 率(n m、n m、n m)下的随机森林分类结果最稳定,识别准确度最高,皆为 左右,说明在短波红外波段范围内基于随机森林分类方法对“机场道路”的分类精度最高,即最适用.()各道路类型在短波红外波段范围内不同光谱分辨率下的分类精度趋于稳定,说明在短波红外波段范围内,各道路类型对光谱分辨率的敏感性较低,随机森林分类结果在该波段范围内不易受光谱分辨率的干扰.()土路、土路和沥青道路(尘土)这类道路类型在该波段范围内(n m)的分类精度较低,三者之间易错分,说明该波段内土质的辨识度较弱.()土路与沥青道路(尘土)在短波红外波段范围内的光谱曲线形态较为相似,难以通过光谱区分,故此这两类道路类别的分类精度较低.第期张蕾 等:基于随机森林方法的卫星高光谱影像道路提取与分析表短波影像各光谱分辨率随机森林分类算法各类别精度统计T a b l eP r e c i s i o ns t a t i s t i c so f s h o r t w a v e i n f r a r e di m a g e sb a s e do nr a n d o mf o r e s t c l a s s i f i c a t i o na l g o r i t h m类别光谱分辨率分辨率 n m分类精度分辨率 n m分类精度分辨率 n m分类精度机场跑道 水泥路 沥青道路 沥青道路(尘土)土路 土路 总体分类精度 K a p p a系数 在短波影像数据中,随着光谱分辨率的降低,其总体分类精度并没有随之出现递减的现象,反而在 n m光谱分辨率时总体分类精度有一定的提升.由图 可知,在原始n m光谱分辨率的短波影像中,地物样本光谱曲线存在着明显的“锯齿”现象,即噪声存在,在经过光谱重采样后对其光谱曲线进行了一定程度的平滑,从而达到了对噪声的抑制效果.在光谱分辨率为 n m时光谱噪声更小,从而使图像中的地物光谱信息得以有效表达,使其随机森林方法的分类精度得以提升.说明在短波红外波段范围内,基于随机森林分类法的机场及其周边道路识别精度不易受光谱分辨率的影响,主要受光谱噪声的影响.图 短波影像不同光谱分辨率下的样本光谱曲线图F i g R e s a m p l e ds p e c t r a l c u r v e so f s h o r t w a v e i n f r a r e d i m a g e sw i t hd i f f e r e n t s p e c t r a l r e s o l u t i o n s结束语本文为支撑下一代米级空间分辨率星载高光谱成像系统光谱分辨率设计,利用机载高光谱影像模拟不同光谱分辨率的高光谱影像,使用随机森林方法进行道路提取,分析对比了可见光近红外通道、短波红外通道在不同光谱分辨率条件下的分类精度.从分类结果可知:可见光近红外或短波红外的总体分类精度均优于,K a p p a系数均高于 .实验结果证明了利用可见光近红外或短波红外数据均能很好地实现机场跑道、水泥路、沥青道路、土路的准确分类,高空间分辨率高光谱系统在道路精细分类方面具有巨大的应用潜能.分类精度的敏感性分析表明,道路提取精度对短波红外光谱分辨率不敏感,而对可见光近红外光谱分辨率敏感.光谱分辨率 n m光谱分辨率时,可见光近红外和短波红外光谱通道均可有效提取机场跑道和水泥路等高价值机场道路,且所需数据量小,可以为卫星高光谱相机的光谱分辨率设计提供借鉴.参考文献(R e f e r e n c e s)F O R T I E R M F A Z I OU D,A RME NAK I SC,e ta l S u r v e yo fw o r ko nr o a de x t r a c t i o ni na e r i a l a n ds a t e l l i t ei m a g e sR S h e r b r o o k e C a n a d a:U n i v e r s i t yo fS h e r b r o o k e,张连均,张晶,郭阳,等高分辨率遥感影像道路提取方法综述J测绘与空间地理信息,():Z HANG L i a n j u n,Z HANGJ i n g,GUO Y a n g,e ta l O v e r v i e wo f r o a de x t r a c t i o nm e t h o d s f o rh i g h r e s o l u t i o nr e m o t es e n s i n gi m a g e sJ S u r v e y i n g,M a p p i n ga n dS p a t i a lG e o g r a p h i cI n f o r m a t i o n,():(i nC h i n e s e)杨泽运,赵海洋,王强,等基于高分辨率遥感影像的道路 提 取 方 法 J交 通 科 技 与 经 济,():YAN GZ e y u n,Z HAO H a i y a n g,WAN G Q i a n g,e ta l 航天器工程 卷R o a de x t r a c t i o nm e t h o db a s e do nh i g hr e s o l u t i o nr e m o t es e n s i n g i m a g eJ T e c h n o l o g y&E c o n o m yi nA r e a so fC o mm u n i c a t i o n,():(i nC h i n e s e)张良培高光谱目标探测的进展与前沿问题J武汉大学学报信息科学版,():Z HANGL i a n g p e i A d v a n c e a n d f u t u r e c h a l l e n g e s i nh y p e r s p e c t r a l t a r g e td e t e c t i o nJ G e o m a t i c sa n dI n f o r m a t i o nS c i e n c eo fWu h a nU n i v e r s i t y,():(i nC h i n e s e)S CHO T TJR R e m o t es e n s i n g:t h ei m a g ec h a i na p p r o a c hM n de d N e w Y o r k:O x f o r d U n i v e r s i t yP r e s s,C A R RSB,B E R N S T E I N LS,A D L E R G O L D E N SM T h eQ u i c kA t m o s p h e r i cC o r r e c t i o n(QUA C)a l g o r i t h m f o rh y p e r s p e c t r a li m a g e p r o c e s s i n g:e x t e n d i n gQUA Ct oac o a s t a l s c e n eC I n t e r n a t i o n a lC o n f e r e n c eo n D i g i t a lI m a g eC o m p u t i n g:T e c h n i q u e sa n dA p p l i c a t i o n s(D I C T A)N e wY o r k:I E E E,:P A I N S KY A,R O S S E T S L o s s l e s sc o m p r e s s i o n o fr a n d o mf o r e s t sJ J o u r n a lo fC o m p u t e rS c i e n c ea n dT e c h n o l o g y,():(编辑:李多)第期张蕾 等:基于随机森林方法的卫星高光谱影像道路提取与分析