利用目标类样本的遥感分类策略

发布时间：2017-10-25 21:07

  本文关键词：利用目标类样本的遥感分类策略

  更多相关文章： 正样本 不完全训练集 遥感分类 目标类

【摘要】：针对传统遥感分类要求训练集涵盖所有表观地物及亚类,对样本选取要求颇高,而实际应用中并不能保证所有类别都被标记的问题,该文提出基于目标类样本的遥感循环分类策略。该方法仅输入少量目标类样本,采用正样本、未标记样本的分类算法,实现在较少样本数量和种类的条件下,对目标类稳定、高效地识别。利用10组航空影像数据,建立与传统遥感分类对比实验,结果表明:相同实验条件下,基于目标类样本的遥感分类策略与传统遥感分类具有相当的分类效果;当样本集不完全时,该策略具有更稳定的高精度识别,总体精度与Kappa系数平均分别有5.2%和7.2%的提高。该方法能够有效解决不完全训练集分类问题。
【作者单位】： 中国地质大学信息工程学院;国家地理信息系统工程技术研究中心;武汉中地数码科技有限公司;
【关键词】： 正样本 不完全训练集 遥感分类 目标类
【基金】：国家科技支撑计划课题项目(2012BAB11B05)
【分类号】：P237
【正文快照】： 3.武汉中地数码科技有限公司,武汉430073)0引言目前,基于统计模式识别分类是遥感技术中最主要的信息提取手段,通常传统的监督分类是一种“完全训练集法”[1],其前提是影像中所有的类别都被穷尽地标识和定义,即分类器的正确使用需要训练样本集中包含所有研究区存在的类别[2]。

【相似文献】

中国期刊全文数据库 前10条

1 刘殿成;杨珍;王森;张文信;安国强;秦晓敏;;基于土地利用现状数据库的土地利用遥感分类本底数据库建设——以山东省泰安市泰山区为例[J];山东国土资源;2008年Z1期

2 赵勇;刘凯;;数字挖掘方法在遥感分类中的应用研究[J];北京测绘;2009年03期

3 田金苓;易正晖;;土地利用遥感分类技术探讨[J];科技创新导报;2010年09期

4 冯洋;濮国梁;;土地利用/覆盖链式遥感分类方法研究[J];遥感信息;2012年06期

5 仉明;汪伟;李承鑫;刘子潇;;面向对象的遥感分类技术在地理国情监测中的应用[J];城市勘测;2013年03期

6 潘建平;叶焕倬;;基于遥感分类的植被覆盖度提取[J];测绘信息与工程;2007年06期

7 邹文涛;张怀清;鞠洪波;刘华;;三江源自然保护区土地利用遥感分类方法研究[J];林业资源管理;2010年06期

8 尤淑撑,刘顺喜,李小文,王锦地;基于空间约束关系的土地利用/覆被遥感分类方法研究[J];农业工程学报;2005年09期

9 姚爱冬;车腾腾;姜丽娜;冯益明;;甘肃民勤县荒漠化区未利用地的遥感分类研究[J];林业科学研究;2014年02期

10 徐刚,赵志中;若尔盖高原地物遥感分类[J];地质力学学报;2004年04期

中国重要会议论文全文数据库 前3条

1 陈利军;陈军;廖安平;何超英;;30m全球地表覆盖遥感分类方法初探[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

2 邹文涛;张怀清;鞠洪波;刘华;;基于决策树的高寒湿地类型遥感分类方法研究[A];第九届中国林业青年学术年会论文摘要集[C];2010年

3 刘咏梅;温仲明;杨勤科;;陕北黄土丘陵地区坡耕地遥感分类方法研究[A];认识地理过程 关注人类家园——中国地理学会2003年学术年会文集[C];2003年

中国硕士学位论文全文数据库 前9条

1 祝晓坤;Dempster-Shafer证据推理融合模型在遥感分类中的应用[D];武汉大学;2005年

2 王庆光;基于人工神经网络的湿地遥感分类研究[D];中国地质大学（北京）;2006年

3 薛星宇;江苏盐城海滨湿地遥感分类与景观变化研究[D];南京师范大学;2012年

4 杨柳;基于ETM+影像的扎龙湿地遥感分类研究[D];东北师范大学;2003年

5 吴孔江;蚁群分类规则挖掘算法改进及遥感分类应用[D];中南大学;2012年

6 杨刚;基于Landsat7 ETM+影像的大区域地表覆盖遥感分类方法研究[D];湖南科技大学;2012年

7 王进华;盐田水体的遥感分类方法研究[D];南京师范大学;2003年

8 蔡华利;基于SVM的多源遥感分类的竹林信息提取方法研究[D];北京林业大学;2009年

9 高宁;红树林高分辨率遥感监测技术研究[D];山东科技大学;2008年

，

本文编号：1095492