原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
训练样本选取与特征选择
训练样本选取遥感影像特征及特征提取特征选择
一、训练样本选取野外调查获得（实地样本形状的边长应至少大于分类影像的空间分辨率的3倍长度）。在遥感影像上选取（主要参考历史图件和高分辨率遥感图像）。1.训练样本的来源：
2.训练样本的个数要求
样本个数与所采用的分类方法、特征空间维数、各类的面积比例与分布有关。一般情况下，每一类别的训练样本个数至少是特征空间维数的10-30倍，当研究区域地物各类别的内部差异较小的时候，可以适当减少训练样本个数。
3.训练样本的采集策略
小区域连续采集、全局均匀分布的采集策略类别分层采集地理分层采集
二、遥感影像特征及特征提取1.特征的理解：在两个或多个目标物之间具有差异的属性就是物体的特征（特征属性或特征变量），也就是可以被用来区分目标物的属性。特征具有相对性，它永远是相对于两个或多个相互比较的目标物而言。
2.特征的类型
原始特征：能直接反映物体之间差异的原始属性。衍生特征：把某些或者所有原始属性通过变换生成新的特征变量，从而增强目标物之间的可分性，这种通过变换方式得到新特征变量的过程就是特征提取。
3.遥感影像的特征类型
原始特征：光谱信息,微波信息衍生特征：全局性的光谱特征、局部性的空间特征和时间域变化特征（特征提取包括光谱特征提取、空间特征提取和时间域特征提取）。
三、特征选择1.为什么要进行特征选择？用于遥感图像分类的属性特征可能非常多，如果将所有属性都作为分类特征，那么分析特征、训练模型所需的时间就会很长，模型也会变得复杂，其推广能力（泛化能力）便会下降；特征变量过多会引起“维数灾难”，使得识别精度不增反降。
2.特征选择的标准
可区分性、可靠性、独立性和数量少
3.特征选择的流程：
子集产生子集评价（非监督选择和监督选择）评价终止结果验证
4.特征子集评价的方法
图表法：均值图法、直方图法、特征空间多维图法统计法：转换离散度、Jeffries-Matusita距离法
三、特征选择-子集评价的图表法均值图法用各类别在不同特征空间的样本点特征值求均值和标准差，构建一个折线图来判断不同类别在不同特征空间的分布情况。各类别在不同波段的均值
直方图法显示训练样本在某一光谱波段上的灰度频数分布。针叶林和阔叶林的样本点分别在红光波段和近红外波段的直方图
特征空间散点分布图法即把训练样本的光谱特征向量（散点）显示在多维的窗口中，可以直观地展现所有样本的光谱特征分布状况不同类别训练样本三维特征空间散点图
三、特征选择-子集评价的统计法转换离散度两个类别在特征子集中的转换离散度TDij的表达式如下：其中，Dij是两个类别之间的离散度，其表达式如下：式中，U为样本均值向量，∑为协方差矩阵，∑-1为协方差矩阵的逆矩阵，tr[A]为矩阵A对角线元素之和，i和j分别表示两种地物类型。
Jeffries-Matusita距离法两个类别在特征子集中的J-M距离Jij的表达式如下：式中，U为样本均值向量，∑为协方差矩阵，i和j分别表示两种地物类型。
判断依据转换离散度和J-M距离的性质相似，取值范围为0-2.01.9时，说明样本在该特征子集中分离性好1.7~1.9时，地类之间在该特征子集能较好地区分1.7~1.0时，认为样本分离性不是很好，需要重新选择特征子集1.0时，认为样本的特征可分性差，可以考虑舍去本特征子集
文档评论（0）