训练样本对湿地分类精度的影响
卢小平1
杜晓贝1
王懿2
李冰1
1.河南理工大学 测绘与国土信息工程学院,河南 焦作454000;河南理工大学 矿山空间信息技术国家测绘地理信息局重点实验室,河南 焦作4540002.黄河水利职业技术学院,河南 开封,475004
摘要：为探寻训练样本数量对湿地遥感影像分类精度的影响规律,基于统计学理论提出面向对象的分类方法,以GF-2影像为数据源,在构建标准训练样本集的基础上,研究KNN算法和SVM算法的线性函数、多项式函数、径向基函数在湿地分类中的适用性和有效性.根据分类统计和对比分析结果,得到了提取湿地要素时能够满足精度所需的最少训练样本数量.利用该方法在河南省三门峡市天鹅湖公园进行试验,提取3～10倍波段数的训练样本,对每个样本进行3次试验,得到96张分类图.结果表明,选取6倍波段数的样本数量,总体分类精度达到85％,Kappa系数达到0.8,符合分类精度要求,且训练样本数量较基于像素的监督分类方法大大减少,SVM算法分类精度优于KNN算法.
关键词：训练样本湿地遥感分类精度面向对象
分类号：P237(摄影测量学与测绘遥感)
资助基金：国家重点研发计划(2016YFC0803103)河南省高等学校创新团队项目(14IRTSTHN026)
论文发表日期：2018-09-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 55-59 )
英文信息