[发明专利]遥感分类精度评价的样本点优化布设方法、系统和设备

权利要求书

1.一种遥感分类精度评价的样本点优化布设方法，其特征在于，包括：

S1，基于研究区的遥感分类数据，对所述研究区中若干个样本点进行特征空间代表性优化，获取所述研究区中的若干个空间分层和各所述空间分层中的样本点数量；

S2，基于平均最短距离最小化准则，对所有所述样本点进行地理空间代表性优化，根据地理空间代表性优化函数获取所述研究区中所有所述空间分层中样本点的优化布局，所述地理空间代表性优化函数计算公式如下：

Ors=1NtΣi=1NtD(Xi,S(Xi))]]>

其中，O_rs为平均最短距离，所述地理空间代表性优化函数的目标为获取平均最短距离最小化值；N_t为第t个空间分层中的样本点数量；t为1至L间的整数，L为所述空间分层的数量；X_i为所述空间分层中的任一一点，S(X_i)为距X_i最近的样本点，D(X_i,S(X_i))是X_i与S(X_i)间的距离；

S3，集成所述研究区中所有空间分层中样本点的优化布局，获取所述研究区的遥感分类精度评价样本点的优化布局。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1之前还包括：获取所述研究区的遥感分类数据，选取若干个样本点。

3.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括：根据所述研究区的遥感分类数据中的土地利用与土地覆盖类型，获取所述研究区中的空间分层，其中所述空间分层的数量等于所述土地利用与土地覆盖类型的数量；

各所述空间分层中的样本点数量计算公式如下：

Nt=round(N×MtM)]]>

其中，round()函数为自变量四舍五入取整运算；N为所述样本点总数；M为所述研究区中所有像元数量的总和，M_t为所述第t个空间分层中的像元数量。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括：对每一所述空间分层中的样本点进行地理空间代表性优化，使得每一所述空间分层中的任一一点与距所述任一一点最近的样本点间的距离的平均值最小。

5.根据权利要求2所述的方法，其特征在于，所述遥感分类数据的来源包括航天遥感、航空遥感、地面遥感、光学遥感和微波遥感中的至少一种。

6.根据权利要求4所述的方法，其特征在于，所述步骤S2进一步包括：通过启发式算法获取所述研究区中的任一所述空间分层中样本点的优化布局，其中，所述启发式算法包括蚁群算法、遗传算法、模拟退火算法和人工神经网络算法中的至少一种。