训练样本对农作物遥感分类的精度影响研究

摘要

随着遥感技术的不断发展与成熟，它已经被广泛的应用到各个领域，其中农业遥感是遥感领域应用比较广泛的技术之一，对于农业遥感而言，农作物遥感分类技术是它的一个重要方面。精准的对遥感图像进行分类并且对遥感图像中农作物的地物类型进行识别，不仅对各个分类器有要求，而且对所输入各个分类器中的训练样本也是有要求的，训练样本对分类精度的影响相比较于分类器对分类精度的影响还要大，其中训练样本的数量和质量都是影响最终分类结果精度的主要因素。
　　为了更好的研究和分析训练样本的数量和质量对分类精度的影响，本文选取黑龙江省海伦市作为研究所需要的实验区，以Landsat8遥感影像作为数据源，在选取不同数量以及不同质量等级训练样本的基础上，利用最大似然、神经网络、支持向量机3种分类方法分别去研究训练样本数量与质量对分类精度的影响，并且对3种分类方法进行了多次实验，最后采用Kappa系数和总体分类精度对实验的分类结果进行评价。
　　通过定量分析后，结果表明:1）在训练样本质量相对恒定下，同一种分类方法对相同数量的训练样本的响应程度以及不同分类方法对训练样本数量的响应程度是不同的，并且分类精度存在不同程度的波动，随着训练样本数量的增加，这种波动会减小，当训练样本的数量达到一定程度，分类精度的均值将趋于相对稳定;2）在训练样本数量恒定下，同一种分类方法以及不同种分类方法对相同质量等级的训练样本的响应程度是不同的;同一种分类方法对不同质量等级的训练样本响应程度也是不同的。

目录

摘要

第1章 绪论

1．1 研究背景

1．2 研究的目的与意义

1．3 国内外研究现状

1．4 本论文研究的主要内容

1．5 本论文技术路线图

第2章 选择研究区与数据预处理

2．1 研究区的选择

2．2 数据介绍

2．2．1 技术指标

2．2．2 基本参数

2．3 数据预处理

2．3．1 遥感影像预处理的技术流程

2．3．2 辐射定标和大气校正

2．3．3 几何校正

2．3．4 影像数据裁剪

2．4 本章小结

第3章 训练样本对农作物遥感分类影响的研究框架

3．1 训练样本的选择方法

3．2 训练样本数量和质量的控制方法

3．2．1 训练样本数量的控制方法

3．2．2 训练样本质量的控制方法

3．3 不同遥感图像分类算法对训练样本敏感性分析方法

3．3．1 最大似然分类算法对训练样本敏感性分析方法

3．3．2 神经网络分类算法对训练样本敏感性分析方法

3．3．3 支持向量机分类算法对训练样本敏感性分析方法

3．4 精度评价的指标和方法

3．4．1 精度评价的指标

3．4．2 精度评价的方法

3．5 本章小结

第4章 研究结果与分析

4．1 训练样本数量对农作物遥感分类精度的影响

4．2 训练样本质量对农作物遥感分类精度的影响

4．3 不同农作物分类算法对训练样本敏感性分析

4．4 本章小结

结论

参考文献

致谢

声明