遥感数据监督分类中训练样本的纯化

doi:10.6046/gtzyyg.1996.01.07

全文: PDF(285 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

本文分析了训练样本对遥感数据监督分类结果的影响,提出了训练样本纯化的理论与方法,即根据样本像元的光谱和空间信息来剔除训练样本中不合要求的样本像元。一个例子的试验研究表明,训练样本纯化后,各类型间的发散度、样本像元的概率密度函数与高斯分布的拟合度以及分类结果的精度都得到不同程度提高。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	厉青
	王桥
	王文杰
	何利民
	王昌佐
	方迎尧
	王卫平
	肖刚毅
	吴成平

关键词 ： EOS-Terra/ MODIS, , 沙尘暴, , 遥感监测

Abstract：

This paper analyses the effect of training samples on supervised classification of remote sensing data, proposes a theory and method for purincation of training samples, which uses spectral and spatial information to remove the undesirable sample pixels. An example shows that divergence between classes, goodness of fit to Gaussian distributinn and classification accuracy can be improved after purification of training samples.

Key words： EOS-Terra/ MODIS Sandstorm Remote sensing monitoring

收稿日期: 1996-01-03 出版日期: 2011-08-02

作者简介: 吴健平男 1962年出生,1983年毕业于南京大学地理系地图学专业,1986年研究生毕业于北京大学遥感技术与应用研究所,目前主要从事遥感及GIS的教学与研究工作。

引用本文:

吴健平, 杨星卫. 遥感数据监督分类中训练样本的纯化[J]. 国土资源遥感, 1996, 8(1): 36-41.
Wu Jianping, Yang Xingwei. PURIFICATION OF TRAINING SAMPLES IN SUPERVISED CLASSIFICATION OF REMOTE SENSING DATA. REMOTE SENSING FOR LAND & RESOURCES, 1996, 8(1): 36-41.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.1996.01.07 或 https://www.gtzyyg.com/CN/Y1996/V8/I1/36

[1] Arai Ketc. . Asupervised Thematic Mapper classification with a purification of trainingsamples. Int. J. Remote Sensing, 1992, 13(11): 2039-2049.

[2] 李德熊·遥感技术.北京:北京工业学院出版社, 1987. 264,

[3] 浙江大学数学系离等数学教研组.概率论与数学统计.北京:人民教育出版社, 1979. 275,

[4] Congaltion R. G. etc. . Assessing Lands at classification accuracyusing discrete multivariate analysisstatis ticaltechniques. PE&RS. 1983, 49(12):1671-1678.

[1]	吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[2]	陈栋, 姚维岭. 基于ArcPy与定制ArcToolbox的矿山新增图斑自动编号及方法改进[J]. 国土资源遥感, 2021, 33(2): 262-269.
[3]	汪洁, 刘小杨, 杨金中, 周英杰, 安娜, 王志晖. 基于国产高空间分辨率卫星数据的浙江省矿山环境恢复治理典型模式分析[J]. 国土资源遥感, 2020, 32(3): 216-221.
[4]	刁明光, 刘文静, 李静, 刘芳, 王彦佐. 矿山遥感监测矢量成果数据动态变化检测方法[J]. 国土资源遥感, 2020, 32(3): 240-246.
[5]	冯力力, 江利明, 柳林, 孙亚飞. 新疆克拉牙依拉克冰川变化(1973—2016)主被动遥感监测分析[J]. 国土资源遥感, 2020, 32(2): 162-169.
[6]	石海岗, 梁春利, 张建永, 张春雷, 程旭. 岸线变迁对田湾核电站温排水影响遥感调查[J]. 国土资源遥感, 2020, 32(2): 196-203.
[7]	刘晰, 郝利娜, 杨显华, 黄洁, 张志, 杨武年. 矿山遥感监测指标快速统计方法研究与实现[J]. 国土资源遥感, 2020, 32(2): 259-265.
[8]	汪洁, 殷亚秋, 于航, 蒋存浩, 万语. 基于RS和GIS的浙江省矿山地质环境遥感监测[J]. 国土资源遥感, 2020, 32(1): 232-236.
[9]	赵玉灵, 杨金中, 殷亚秋, 赵航, 何金宝, 张汉. 海南岛东部滨海锆钛砂矿开发状况遥感监测与生态恢复治理对策研究[J]. 国土资源遥感, 2019, 31(4): 143-150.
[10]	吴海平, 黄世存. 基于深度学习的新增建设用地信息提取试验研究——全国土地利用遥感监测工程创新探索[J]. 国土资源遥感, 2019, 31(4): 159-166.
[11]	陈震, 张耘实, 章远钰, 桑玲玲. 高标准农田建后遥感监测方法[J]. 国土资源遥感, 2019, 31(2): 125-130.
[12]	杨显华, 黄洁, 田立, 彭孛, 肖礼晓, 宋新龙. 矿山遥感监测在采空区稳定性分析中的应用[J]. 国土资源遥感, 2018, 30(3): 143-150.
[13]	张春桂, 林炳青. 基于FY-2E卫星数据的福建沿海海雾遥感监测[J]. 国土资源遥感, 2018, 30(1): 7-7.
[14]	刁娇娇, 龚鑫烨, 李明诗. 利用综合变化检测方法进行土地覆盖变化制图[J]. 国土资源遥感, 2018, 30(1): 157-165.
[15]	魏本赞, 付丽华, 范芳, 张策, 揭文辉, 董双发. 1998—2015年新疆玛纳斯河流域湿地动态变化遥感监测[J]. 国土资源遥感, 2017, 29(s1): 90-94.