一、背景
这一篇本身是和《基于双峰阈值分割的冰湖提取算法（python语言实现）》一起做的。而随机森林比阈值分割麻烦一点，就是需要先验知识作为训练数据。训练数据我也同时一并上传了，可以参见：随机森林冰湖提取的训练数据_随机森立水质提取python-电信文档类资源-CSDN下载
然后算法本身也不必多说，随机森林也是很成熟的算法了，原理什么的就不多说了。下面直接看代码。
二、代码
随机森林稍微复杂一点点，因为需要先验数据来训练模型。但是相对于阈值分割来说，它的优势在于不用做DN转TOA，无脑训练就可以了。
def random_forest(img, train_img, train_mask, txt_path):
# 参考https://zhuanlan.zhihu.com/p/114069998
######################################## 首先对随机森林进行训练 ##############################################
""" 获取训练数据 """
file_write_obj = open(txt_path, 'w')
# 获取水体样本
count = 0
for i in range(train_img.shape[0]):
for j in range(train_img.shape[1]):
# 水体类别在标签图中像元值为1
if (train_mask[i][j] == 255):
var = ""
for k in range(train_img.shape[-1]):
var = var + str(train_img[i, j, k]) + ","
var = var + "water"
file_write_obj.writelines(var)
file_write_obj.write('\n')
count = count + 1
# 获取背景样本
Threshold = count
count = 0
for i in range(60000):
X_random = random.randint(0, train_img.shape[0] - 1)
Y_random = random.randint(0, train_img.shape[1] - 1)
# 非水体类别在标签图中像元值为0
if (train_mask[X_random, Y_random] == 0):
var = ""
for k in range(train_img.shape[-1]):
var = var + str(train_img[X_random, Y_random, k]) + ","
var = var + "non-water"
file_write_obj.writelines(var)
file_write_obj.write('\n')
count = count + 1
if (count == Threshold):
break
file_write_obj.close()
""" 训练随机森林 """
# 读取相应的txt
from sklearn.ensemble import RandomForestClassifier
from sklearn import model_selection
# 定义字典，便于来解析样本数据集txt
def Iris_label(s):
it = {b'water': 1, b'non-water': 0}
return it[s]
path = r"data.txt"
SavePath = r"model.pickle"
# 1.读取数据集
data = np.loadtxt(path, dtype=float, delimiter=',', converters={7: Iris_label})
# 2.划分数据与标签
x, y = np.split(data, indices_or_sections=(7,), axis=1) # x为数据，y为标签
x = x[:, 0:7] # 选取前7个波段作为特征
train_data, test_data, train_label, test_label = model_selection.train_test_split(x, y, random_state=1,
train_size=0.9, test_size=0.1)
# 3.用100个树来创建随机森林模型，训练随机森林
classifier = RandomForestClassifier(n_estimators=100,
bootstrap=True,
max_features='sqrt')
classifier.fit(train_data, train_label.ravel()) # ravel函数拉伸到一维
# 4.计算随机森林的准确率
print("训练集：", classifier.score(train_data, train_label))
print("测试集：", classifier.score(test_data, test_label))
# 5.保存模型
# 以二进制的方式打开文件：
file = open(SavePath, "wb")
# 将模型写入文件：
pickle.dump(classifier, file)
# 最后关闭文件：
file.close()
""" 模型预测 """
RFpath = r"model.pickle"
SavePath = r"save.png"
################################################调用保存好的模型
# 以读二进制的方式打开文件
file = open(RFpath, "rb")
# 把模型从文件中读取出来
rf_model = pickle.load(file)
# 关闭文件
file.close()
################################################用读入的模型进行预测
# 在与测试前要调整一下数据的格式
data = np.zeros((img.shape[2], img.shape[0] * img.shape[1]))
# print(data[0].shape, img[:, :, 0].flatten().shape)
for i in range(img.shape[2]):
data[i] = img[:, :, i].flatten()
data = data.swapaxes(0, 1)
# 对调整好格式的数据进行预测
pred = rf_model.predict(data)
# 同样地，我们对预测好的数据调整为我们图像的格式
pred = pred.reshape(img.shape[0], img.shape[1]) * 255
pred = pred.astype(np.uint8)
# 保存到tif
gdal_array.SaveArray(pred, SavePath)三、实验结果
这里给出一个实验结果：
这个算法本来是和双峰阈值分割算法一起做比较的，（在不适用任何辅助数据，比如DEM），可以看到，名下你的随机森林要比双峰阈值分割效果好很多，起码可以将大部分冰川过滤掉。而双峰阈值分割则受限于阈值的选择，如果阈值选的不好，那冰川就会被提取出来。做大范围的冰湖提取时，难以做到用一个统一的阈值来提取冰湖，这时候双峰阈值分割算法 的劣势就会被放大。而随机森林则相对能好一些，可避免冰川的影响，但是也有一点点小问题，就是一些融水，河流也会被提取出来。