最大似然分类的训练样本敏感度研究

摘要：

[目的]遥感影像监督分类能够快速获取土地利用和地表覆盖的信息,分类样本的选取对分类精度具有决定性的作用.以最大似然分类方法为例,研究样本数量、均值和标准差对分类精度的影响.[方法]基于地表覆盖产品GlobeLand30分层随机选取不同数量的训练样本,采用最大似然法对研究区域的Landsat8遥感影像进行分类.通过谷歌地球高分影像选取一定数量的检验样本,对影像分类结果进行精度评价,并研究样本数量、均值和标准差对分类结果的影响.[结果]不同数量的训练样本得到的分类精度不同,分类精度随着样本数量的增加先增加后下降,然后渐趋于稳定;在样本质量特征方面,当训练样本的均值和标准差越接近检验样本的均值和标准差时,分类结果的精度越高,反之则分类精度较低.[结论]在最大似然分类过程中,训练样本数量的选取存在临界值,当达到临界值时即可获得较高分类精度,随后即使增加样本的数量也无法显著提高分类结果的精度.在样本质量方面,要尽量选取能够反映地物真实特征的训练样本进行分类.

关键词：最大似然分类、样本数量、样本均值、样本标准差、分类精度

所属期刊栏目：30

资助基金：中央级公益性科研院所基本科研业务费专项1610132018017

在线出版日期：2018-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：76-85