Комбинированный метод сегментации на основе алгоритмов SLIC и Random Forest для классификации древесных пород по данным ДЗЗ

Аннотация

В статье представлен метод сегментации на основе комбинации алгоритмов SLIC (Simple Linear Iterative Clustering) и Random Forest для классификации древесных пород на космических снимках. Исследование направлено на повышение точности анализа данных дистанционного зондирования Земли (ДЗЗ) при решении задач лесоуправления. Метод включает суперпиксельную сегментацию изображений с использованием алгоритма SLIC для сокращения объема данных и сохранения границ объектов, а также классификацию полученных суперпикселей с помощью Random Forest. Для классификации использованы спектральные (NDVI, EVI), текстурные и геометрические признаки. Эксперименты проведены на данных территории лесного заказника Великоанадольский лес Донецкая Народная Республика Российская Федерация. Результаты показали точность классификации 93%, что превышает показатели традиционных методов на 11-23%. Метод обеспечивает высокую скорость обработки (3-5 минут для изображения 5000×5000 пикселей) и позволяет различать типы древесных пород (хвойные/лиственные – дубовые/сосновые) с точностью 89-91%. Полученные результаты демонстрируют эффективность предложенного подхода для задач оперативного мониторинга состояния лесных массивов.