训练样本对湿地分类精度的影响

• 作者: 卢小平 李冰 杜晓贝 王懿
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 训练样本 湿地 遥感分类精度 面向对象
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 地测与环境工程
• 页码范围: 55-59
• 页数: 5页
• 分类号: P237
• 字数: 3270字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢小平	河南理工大学测绘与国土信息工程学院	107	642	12.0	20.0
5	李冰	河南理工大学测绘与国土信息工程学院	13	27	4.0	4.0
9	王懿		2	4	1.0	2.0
10	杜晓贝	河南理工大学测绘与国土信息工程学院	2	3	1.0	1.0