[ENVI APP] 新版随机森林图像分类工具包

原创 杜会建 ENVI技术殿堂 2022-07-15 17:00 发表于北京

收录于合集#ENVI APP19个

本文内容大多来自旧版工具介绍：https://www.cnblogs.com/enviidl/p/16393215.html

1

工具说明

基于随机森林算法实现影像监督分类。源码来源于 ENMAP-BOX v2.1.1 并对其进行封装，方便在ENVI下使用。

ENMAP-BOX网站链接：http://www./enmapbox.html

基于此工具进行科学研究，请引用：

van der Linden, S.; Rabe, A.; Held, M.; Jakimow, B.; Leitão, P.J.; Okujeni, A.; Schwieder, M.; Suess, S.; Hostert, P. The EnMAP-Box—A Toolbox and Application Programming Interface for EnMAP Data Processing. Remote Sens. 2015, 7, 11249-11266.

作为新兴起的、高度灵活的一种机器学习算法，随机森林（Random Forest，RF）拥有广泛的应用前景。随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支—集成学习（Ensemble Learning）方法。从直观角度来解释，每棵决策树都是一个分类器，那么对于一个输入样本，N棵树会有N个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出。

随机森林是一种很灵活实用的方法，具有如下几个特点：

• 在当前所有算法中，具有极好的准确率

• 能够有效地运行在大数据集上

• 能够处理具有高维特征的输入样本，而且不需要降维

• 能够评估各个特征在分类问题上的重要性

• 在生成过程中，能够获取到内部生成误差的一种无偏估计

• 对于缺省值问题也能够获得很好得结果

实际上，随机森林的特点不只有这六点，它就相当于机器学习领域的Leatherman（多面手），你几乎可以把任何东西扔进去，它基本上都是可供使用的。在估计推断映射方面特别好用，以致都不需要像SVM那样做很多参数的调试。

具体的随机森林介绍可以参见随机森林主页：

https://www.stat./~breiman/RandomForests/cc_home.htm#inter

以上内容摘自：http://www.cnblogs.com/maybe2030/p/4585705.html

2

安装方法

方法1：使用 ENVI App Store 进行 ENVI 扩展工具的安装与管理。

App Store 下载地址：envi./appstore

方法2：手动下载 https://envi./appstore/ranftscnew

下载 zip 压缩包并解压，将得到的 extensions 和 custom_code 文件夹拷贝到如下 ENVI 安装路径，覆盖同名文件夹即可：

• ENVI 5.3 - C:\Program Files\Exelis\ENVI53\

• ENVI 5.4 及以上 - C:\Program Files\Harris\ENVI5x\

重启 ENVI 即可使用。

3

使用说明

本工具包提供3个工具，均位于Toolbox/Extensions/Random Forest/…，如下所示：

Train Random Forest Model

本工具提供模型训练和图像分类功能（可选）。

1) 在Toolbox中，双击/Extensions/Random Forest/Train Random Forest Model，工具界面如下图所示。

2) 参数设置：

Input Raster：输入影像。必须为ENVI标准格式数据（二进制文件+hdr头文件）。选择图像时不能进行空间、光谱裁剪或掩膜（ENVI 5.5及以上版本已经禁止显示这些按钮），如下图所示。

Input Training ROIs：输入训练样本，即ENVI感兴趣区域。对于ENVI 5.3版本，需预先在ENVI中打开ROI，再打开此工具。

Number of Trees：随机森林树的数量，值越大，构建耗时越长，反之用时越少。默认为100。

Impurity Function：Impurity function to determine the impurity。可选项为 Gini Index、Entropy。默认为 Gini Index。

Minimum Number of Samples：Minimum number of samples to stop splitting（……翻译不到位，请自行理解吧）

Minimum Impurity Threshold：Minimum impurity to stop splitting（……翻译不到位，请自行理解吧）

Output Model File：必选项。设置训练模型输出文件路径，文件后缀为rfc（会自行添加）。

Output Classification Raster：可选项。若设置分类图像输出路径，则在模型训练完毕后，自动将模型应用于输入图像，得到分类结果。

Random Forest Classify Raster

本工具提供随机森林图像分类功能，可以将上述工具训练的模型用于其他图像。

1) 在Toolbox中，双击/Extensions/Random Forest/Random Forest Classify Raster，工具界面如下图所示。

2) 参数设置：

Input Raster：输入影像。必须为ENVI标准格式数据（二进制文件+hdr头文件）。选择图像时不能进行空间、光谱裁剪或掩膜（ENVI 5.5及以上版本已经禁止显示这些按钮）。

Input Trained Model File：输入训练好的随机森林模型文件（rfc后缀）。

Output Classification Raster：设置分类图像输出文件路径。

Random Forest Classify Raster Batch

本工具提供随机森林图像分类批处理功能，方便将同一模型用于多个图像。

1) 在Toolbox中，双击/Extensions/Random Forest/Random Forest Classify Raster Batch，工具界面如下图所示。

2) 参数设置：

Input Rasters：输入多个待分类影像。必须为ENVI标准格式数据（二进制文件+hdr头文件）。

Input Trained Model File：输入训练好的随机森林模型文件（rfc后缀）。

Output Postfix：设置输出文件名后缀，默认为_rfc.dat。

Display Results：是否自动加载显示结果。默认为是。

Output Directory：输出目录。ENVI 5.5及以上版本会弹出选择目录的界面；而低版本将弹出选择文件的界面，此时随意定义输出文件名即可，程序将只使用所在目录作为输出目录。

4

接口调用

Train Random Forest Model

接口调用格式如下：

e = ENVI()

raster = e.OpenRaster(file)

rois = e.OpenROI(roifile)

Task = ENVITask('TrainRandomForestModelTask')

Task.INPUT_RASTER = raster

Task.INPUT_ROIS = rois

Task.NUMBER_OF_TREES = 100

Task.IMPURITY_FUNCTION ='Gini Index'

Task.MIN_NUMBER_OF_SAMPLES= 1

Task.IMPURITY_THRESHOLD= 0

Task.OUTPUT_MODEL_URI = 'C:\temp\model.rfc'

Task.OUTPUT_RASTER_URI ='C:\temp\class.dat'

Task.Execute

output_raster = Task.OUTPUT_RASTER

Random Forest Classify Raster

接口调用格式如下：

e = ENVI()

raster = e.OpenRaster(file)

Task = ENVITask('RandomForestClassifyRasterTask')

Task.INPUT_RASTER = raster

Task.MODEL_FILE = 'C:\temp\model.rfc'

Task.OUTPUT_RASTER_URI ='C:\temp\class.dat'

Task.Execute

output_raster = Task.OUTPUT_RASTER

Random Forest Classify Raster Batch

接口调用格式如下：

其中，OUTPUT_RASTER_URI参数较为特殊，可随便指定为一个不存在的文件路径即可，如下所示，将自动使用 C:\temp\ 作为输出路径。

e = ENVI()

raster1 = e.OpenRaster(file1)

raster2 = e.OpenRaster(file2)

Task = ENVITask('RandomForestClassifyRasterBatch')

Task.INPUT_RASTERS = [raster1, raster2]

Task.MODEL_FILE = 'C:\temp\model.rfc'

Task.OUTPUT_POSTFIX = '_classrfc.dat'

Task.DISPLAY_RESULTS = 0

Task.OUTPUT_RASTER_URI ='C:\temp\uselessname'

Task.Execute

output_files = Task.OUTPUT_FILES

收录于合集 #ENVI APP

 19

下一篇[ENVI APP] MODIS劈窗算法地表温度反演工具

确定

• 不看此公众号