摘要
本发明提供一种基于随机森林机器学习的积雪产品去云方法及系统,涉及图像处理技术领域,通过邻近时间合成将MOD10A1像元数据和MYD10A1像元数据合成待监测地区的无云像元的NDSI值,并标记出有云像元,利用有云像元的邻近相似像元的NDSI值,对有云像元进行NDSI值合成,对待监测地区进行水体校正,将水体界限之外错分的水体像元赋值为有云像元,基于混淆矩阵,采用动态阈值法获得最佳阈值,采用最佳阈值对待监测地区的像元进行积雪二值化,基于随机森林机器学习,对有云像元的有雪无雪二值化预测,获得无云二值化积雪产品,解决了现有的地形地貌复杂多样的地区积雪覆盖准确度低的问题,本发明适用于生成复杂多样的地区去云积雪图。
技术关键词
积雪产品
去云方法
机器学习模型
水体
数据
网格搜索算法
校正模块
随机森林模型
图像处理技术
矩阵
标记
动态
精度
超参数
影像
变量
坐标
系统为您推荐了相关专利信息
规划
拓扑网络
轨道交通线网
数据模块
城市道路交通网络
结构光传感器
铸件外表面
三维点云数据
铸件表面
铸件内部缺陷
特征加权融合
图像色彩特征
Gabor滤波器
Lab颜色空间
颜色模型
测试任务调度方法
老化模型
队列
节点
网络带宽利用率
学习优化方法
设备效能
策略
移动端
构建知识图谱