土地覆盖更新中训练样本的动态选取方法

作者：裴晓丹; 孙建国^*

来源：测绘科学, 2020, 45(02): 117-127.

DOI：10.16251/j.cnki.1009-2307.2020.02.018

• 土地覆盖数据更新
• 变化检测
• 训练样本
• 动态选取

针对土地覆盖数据更新的任务,该文提出了训练样本的动态获取的方法。基于变化检测的原理和相对保守的分割阈值获取到的特定数量不变像元,在继承了历史土地覆盖标签后可以作为目标影像分类的训练样本。然而,分割阈值的确定具有较大随意性。该文的方法逐步增加不变像元的规模(即每种地类中不变像元所占地类像元总数的百分比),同时不断执行目标影像监督分类;以前后两次监督分类结果一致性水平作为不变像元规模是否合理的依据,当一致性水平达到设定水平时,提取过程结束。实验结果表明,该方法克服了训练样本选取时阈值设定的主观性,同时可以避免训练样本中地类缺失的可能性。

• 出版日期2020
• 单位兰州交通大学