基于分类回归树方法的遥感信息快速提取研究

遥感信息具有一定的连续变化性，这将会在一定程度上使得遥感信息快速提取存在偏差，其提取的时间也随之增加，容错率下降，为此文中提出基于分类回归树的遥感信息快速提取方法。通过噪声调整的主成分分析法（NAPCA）提取遥感信息的特征，利用复小波变换法对图像进行去噪处理，同时结合邻域值函数完成小波系数收缩。通过分类回归树方法进行样本训练，连续不间断获取遥感信息，结合Bayes判别准则完成遥感信息快速提取。实验结果表明，所提方法能够有效提升容错率，降低遥感信息快速提取偏差和时间。