唐晓娜，张和生

(太原理工大学，太原 030024)

0 引言

随着高分遥感卫星的相继问世，高分辨率遥感影像因其所具有的高度细节化的地表覆盖信息特征为地物目标分类提供了充分的依据[1]。传统基于中低分辨率遥感数据的方法已经不适用于处理高分遥感影像。近年来研究人员多采用面向对象方法来处理高分辨率遥感数据。面向对象分类突破了传统方法以像元为对象的局限性，实现了多细节、多信息的目标对象提取[2]。但面向对象方法增加了对象特征维度，故在分类前需进行特征优化。随机森林对于多维特征的数据集分类有很高的效率，应用于土地利用分类也取得了较高精度的结果。当特征维数过高时，过多的特征会使得运算变得复杂，处理效率降低，甚至会导致分类精度的降低，因此在分类前需要对特征空间进行优化降维，选取对分类作用最大的特征[3]。

在现有研究中，与RF算法结合的特征选择方法概括为过滤式(Filter)和封装式(Wrapper)2种。Zhang等[4]将2类算法结合进行特征选择并取得较好效果。Seyyedi[5]借鉴过滤和封装相结合的思想提出了一种FSLA方法用于高维空间特征选择，可以选出较原始数据集维度更低且分类性能较好的特征子集；肖艳针[6]对面向对象分类中存在的特征维数过高的问题，提出了一种结合Relief F算法和遗传算法的混合特征选择方法，并利用多分类器组合方法对PolSAR影像分类，取得较好效果。

Filter特征选择方法中，Relief F是处理多类别问题较成功的算法之一，通过计算特征权重来提取重要特征。……