基于CART决策树的高分遥感影像建筑物提取研究的任务书.docx

基于CART决策树的高分遥感影像建筑物提取研究的任务书
任务书
一、题目：基于CART决策树的高分遥感影像建筑物提取研究
二、任务描述：
近年来，随着遥感技术的飞速发展，高分辨率遥感影像在城市规划、土地利用、环境监测等领域得到了广泛应用。在城市规划和土地利用中，建筑物是重要的研究对象。传统的建筑物提取方法主要包括手工绘制、基于阈值分割、基于形状特征的分类方法等，但这些方法存在着人工干预大、处理时间长和精度不高等问题。
目前，基于机器学习的方法（如支持向量机、随机森林、决策树等）被广泛应用于遥感影像建筑物提取中。本任务拟采用CART（ClassificationandRegressionTree）决策树方法来进行高分辨率遥感影像建筑物提取研究。
任务要求：
1.对遥感影像建筑物提取相关算法进行综述和分析，选定CART算法作为研究方法，并研究该算法的相关理论基础和实现流程。
2.收集高分辨率遥感影像数据及其与真实建筑物边界标注数据，进行数据预处理，包括影像校正、投影转换、空间配准、去噪等操作。
3.在预处理后的数据集上，采用CART决策树算法进行建筑物提取实验，包括特征提取、模型训练、模型评价等过程。
4.对实验结果进行分析和总结，比较CART决策树算法与传统方法的优缺点，并探讨提高建筑物提取精度的方法和途径。
三、研究进度安排
1.第1-2周：了解遥感影像建筑物提取相关算法，对CART算法进行深入学习，准备研究计划书。
2.第3-4周：收集高分辨率遥感影像数据及其与真实建筑物边界标注数据，进行数据预处理。
3.第5-7周：采用CART决策树算法进行建筑物提取实验，包括特征提取、模型训练、模型评价等过程。
4.第8-9周：对实验结果进行分析和总结，撰写实验报告和论文。
5.第10周：准备结题报告和答辩材料。
四、研究成果要求
1.研究计划书；
2.高分辨率遥感影像数据及其与真实建筑物边界标注数据；
3.数据预处理程序及其说明文档；
4.CART决策树算法建筑物提取程序及其说明文档；
5.实验报告和论文；
6.结题报告和答辩材料。
五、参考文献
1.LiuZ,XiaoJ,ZhuX.Astudyonautomaticbuildingextractionfromhigh-resolutionremotesensingimages[J].InternationalJournalofRemoteSensing,2002,23(21):4275-4292.
2.HuangW,ZhangL,LeungH.Automaticbuildingextractionfromhigh-resolutionsatelliteimagesbasedonmulti-scalesegmentation[J].InternationalJournalofRemoteSensing,2011,32(23):8093-8116.
3.BreimanL,FriedmanJH,OlshenRA,etal.Classificationandregressiontrees[J].CRCpress,1984.
4.QuL,LiM,SongG.BuildingdetectionfromhighresolutionremotesensingimagesbasedonthecombinationoftheTaooperatorandcart[J].InternationalJournalofRemoteSensing,2013,34(3):758-779.
6.陈品，张涛。基于决策树方法的高分辨率遥感影像建筑物提取[J].广东勘测设计，2017，(2)：17-20。
7.王力，徐峰，王峰。基于CART决策树的高分辨率遥感影像建筑物提取研究[J].水土保持通报，2016，36(1)：239-241。