| 论文题目： | 自然资源遥感智能解译中复杂场景样本抽样方法研究 |
|---|---|
| 第一作者： | 李连发，高茜琳，贺伟，陈淼淼等 |
| 联系作者： | |
| 发表年度： | 2024 |
| 摘 要： | 随着遥感分类解译技术的发展，复杂场景下自然资源遥感智能解译已成为研究的焦点。在这一背景下，遥感样本的获取和选择对提高解译的准确性和可靠性至关重要。我国地形地貌多样，气象条件复杂，地表结构细碎，导致复杂地表具有时空分异性，直接影响遥感样本的选择和质量。传统抽样方法所选样本对总体特征的代表性较差，进而影响解译效果。为解决这一问题，本研究总结了遥感分类标记样本抽样方法、多尺度形态转换扩充样本以及标记样本质量评估的关键要点，从理论上阐述了样本优选以减少偏差的必要性，并提出了基于地表复杂度的分区/层和加权样本优化方法。该方法通过考虑地形的复杂性和多样性，优化了样本的抽样过程，减少了因抽样偏差带来的解译误差。通过遵循这些要点和技术，可以获得高质量且有强代表性的标记样本，从而提高遥感分类建模解译精度和/或效益。本研究总结了3个基于复杂度的样本优选的实验结果，并为未来遥感智能解译技术的发展提供了坚实的理论和技术基础。这项研究对于通过样本优选推动复杂场景下遥感自然资源分类建模及智能解译的研究和实际应用具有重要的参考价值。 |
| 英文摘要： | |
| 刊物名称： | 地球信息科学学报 |
| 全文链接： | |
| 论文类别： | CSCD |
在线留言
联系我们
所长信箱