训练样本对遥感影像分类精度影响研究.pdfVIP

第 27卷第 2期 云 南 地 理 环 境 研 究 Vo1．27．No．2 2015年4月 YUNNAN GEOGRAPHIC ENVIRONM ENT liESEARCH Apr．，2015 训练样本对遥感影像分类精度影响研究 高文杰，王金亮 ，刘广杰 (云南师范大学 旅游与地理科学学院，云南 昆明650500) 摘要：以大理 SPOT一5HRG影像和LandsatTM影像作为数据源，在构建标准训练样本数据集的基础上 ，探索训 练样本对遥感影像分类的影响。选取不同训练样本数量组合 ，分别对监督分类中的平行六面体 、最小距离、马氏 距离 、最大似然法、神经网络和支持向量机6种分类方法进行多次实验 ，并采用 Kappa系数和总体分类精度对实 验分类结果的精度进行评价。结果表明：以多次分类结果的平均值作为最终的分类结果能减小随机误差；增加训 练样本数量可以减小单次分类引起的随机误差 ；在不同的训练样本量下，支持向量机的分类精度最高。 关键词：训练样本；遥感分类；分类精度；大理 中图分类号：P237 文献标识码 ：A 文章编号：1001—7852(2015)02—0031—06 考GoogleEarth提供的高分辨率遥感图像，利用ETM 0 引言 解译生成训练样本，然后采用最大似然监督分类算 法进行ETM 图像分类。赵慧等 探讨 了训练样本、 监督分类是遥感数据提取信息的最常用的一种 辅助数据以及分类技术对土地利用／覆盖分类精度的 方法。在监督分类 中，首先选择一定数量 的不 同类 影响。任广波等 以直推式支持向量机分类为例， 别地物的训练样本，通过对训练样本数据像元值的 发展了一种基于半监督学习的遥感影像训练样本时 统计分析，得出每一类别的统计特征量；然后根据 空拓展方法。薄树奎、李 向等 基于兴趣类别提出 统计特征量，利用不同的分类算法得出相应的分类 一 种基于白化变换的单类分类方法。本文参考 SPOT 模型；最后，利用所得到的分类模型对整个遥感数 一 5HRG影像数据 ，对 LandsatTM影像数据进行遥 据的所有像元进行分类 ¨。因此 ，训练样本 的选择 感分类，旨在研究训练样本数量组合对遥感分类的 对分类结果有很大的影响，不同的训练样本所得到 影响，为遥感影像分类提供一定的实验依据。 的分类结果也会有很大的差异。为保证分类结果有 较高精度 ，从理论上说，选择的样本像元应满足两 1 研究区及其数据 个条件 ：一是每个类别地物的所有训练样本 中每 个像元所代表的实际地物类别应与该类实际地物类 1．1 研究区概况 别相一致，即所有训练样本中像元 的地物类型应为 云南省大理白族 自治州位于中国西南 的云贵高 单纯的同一种地物类型。二是选择的样本像元应具 原与横断山脉的过渡地带，其西面与云岭山脉相 有代表性，即训练样本的统计特征量与该类型总体 连，东面与滇 中高原相接 ，地势总体上呈东南低西 统计特征相接近。陶秋香等 研究了植被