10.16251/j.cnki.1009-2307.2016.02.027
利用目标类样本的遥感分类策略
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.
正样本、不完全训练集、遥感分类、目标类
41
TP75(遥感技术)
国家科技支撑计划课题项目2012BAB11B05
2016-03-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
133-139