李 雪，舒 宁，刘小利

(1.中国地震局地震研究所 地震大地测量重点实验室，武汉 430071;2.武汉大学遥感信息工程学院，武汉 430079)

序贯分析(Sequential Analysis)是数理统计学的一个分支，由著名统计学家A WALD于1947年提出。序贯分析的研究对象就是所谓“序贯抽样方案”，即如何用这种抽样方案得到的样本去作统计推断。序贯抽样方案是指在抽样时，不事先规定总的抽样个数(观测或实验次数)，而是先抽少量样本，根据其结果，再决定停止抽样或继续抽样、抽多少，这样下去，直至决定停止抽样为止。序贯分析方法的提出是数理统计学中的一大成就，该方法在众多领域得到了广泛的应用［1－3］。

本文在基于决策树分类的面向对象变化检测方法中引入了序贯分析概念，提出一种基于序贯决策融合的变化检测方法，为提高遥感影像变化检测结果的准确性提供了一条技术途径。

1 决策树变化检测

1.1 决策树分类器

决策树(Decision Tree)是一种机器学习方法，通过对训练样本进行归纳学习获得一组分类规则。决策树一般是由根节点、中间节点和叶节点组成的一幅有向无环图。与基于向量间距离度量的模式识别方法不同，决策树是一种非度量模式识别方法。由于只对属性d元组(d为有限元)的取值状况进行统计分析，不计算属性向量的距离或相似性，因此决策树可以用于处理任何离散数据，甚至非数字类数据(例如语义数据等)［4］。

决策树分类的基本算法主要包括以下5个步骤。

(1)生成训练样本数据集:所有的训练样本例子满足形式(X，L)={x1，x2，…，xn，li}，其中X代表参与分类的n维特征属性向量，L={l1，l2，…，lK}代表K个样本类别，li表示K个类别中的第i种类别。……