高分五号(GF-5)卫星实现了对大气和陆地的综合观测,是一颗重要的国产遥感卫星.在遥感应用中,云检测是一个重要的预处理步骤,效率和精度是其核心的问题.在对地观测过程中高分五号卫星的空间分辨率与Landsat8一致,因此可以将高分五号的云识别问题迁移到Landsat8场景下,从而充分利用Landsat8的数据集来辅助实验.机器学习的发展虽然提高了云检测的精度,但是训练样本的数量和质量对精度有较大的影响.目前云和非云的真实标签主要通过目视解译来制作,这项工作耗费了大量的人力物力,因此如何构建高质量的样本数据库是一个急需解决的问题.为了解决上述的问题,本文基于带有真实标签的Landsat8数据集和基于阈值的高概率样本选取的方法构建了样本数据库.同时,本文使用随机森林算法对波段转换后的高分五号影像进行云检测.结果表明,样本数据库的云样本和非云样本精度分别达到了0.990和0.978.高分五号影像的云识别精度为0.861,时间为17秒/景.与直接基于高分五号影像分类相比,精度和效率分别提升了0.008和83秒/景.总体来说,基于本文提出的样本提取模型所构建的样本数据库可以为不同类型的云检测场景提供训练样本,并且能够加快卫星数据的全球处理速率.