训练样本对湿地分类精度的影响

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。