[发明专利]基于多级不均匀空间抽样的遥感影像分类精度检验方法

说明书

本发明属于图像处理技术领域，公开了一种基于多级不均匀空间抽样的遥感影像分类精度检验方法，进行多级不均匀抽样：通过计算遥感影像分类结果的空间破碎度，将遥感影像自低而高进行逐级区划；根据不同等级区划结果，自高至低逐级分配样本点用于遥感影像分类结果检验；基于破碎度指数的研究区域自低至高逐级区划：引入破碎度指数的概念，进行研究区域自低至高的逐级区划；再进行基于逐级区划结果的样本点布设。本发明可以保证用于精度检验的遥感影像的样本点在不同地物类型间的均衡性，亦保证了用于精度检验的样本点在空间上的代表性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于多级不均匀空间抽样的 遥感影像分类精度检验方法。

背景技术

目前，业内常用的现有技术是这样的：

遥感影像因其数据获取速度快、覆盖范围广、以及来源多样被广泛应用于 各领域。遥感影像分类是土地利用专题信息提取的一个重要环节，是遥感影像 应用的基础，准确可信的遥感影像分类结果对推动遥感信息应用具有重要的意 义。如何快速地对多源，海量地遥感分类结果进行精度检验是一个亟待解决的 问题。

抽样检验是处理大批量信息的一种有效方法，其是按预先确定的抽样方案， 从批或过程中随机选择抽取样本，逐一检查样本质量，从而对批或过程质量做 出判定，是介于不检验与百分比检验之间的一种检验方法。具有效率高和抽检 费用低等优势。经典的抽样方法有简单随机抽样，分层抽样，系统抽样和整群 抽样等，这些抽样方法广泛应用于各领域，如社会经济调查、农作物估产及土 地覆盖产品质量评价。传统抽样方法建立于独立产品的质量检验，而遥感影像 分类结果作为一类特殊的商品有别于传统的独立产品，其具有海量性、空间相 关性和空间异质性等特征。因此传统抽样方法不适宜直接应用于遥感影像分类 结果的精度检验。

遥感影像分类结果作为一类特殊的商品，亦有很多学者基于抽样研究了其 精度检验方法，如童小华等针对区域地表覆盖遥感制图产品，提出了空间分层 抽样方法；王劲峰等将航空遥感影像与TM影像结合，提出了一种“Sandwich” 抽样模型用于细小耕地的精度验证。Stehman等将遥感影像分类结果精度评价和 面积估计相结合，提出了一种基于混淆矩阵的统一农作物面积估计框架。黄冬 梅等基于灰度共生矩阵量化遥感像元间的关系，优化了系统抽样方法用于遥感 分类结果精度评价。

Zhu等采用模拟退火算法分别优化了小样本量和中等大样本量的抽检方法。Mayaux等利用多样性指标Shannon-Weaver(SW)计算每一抽样格网的地类丰富 度与均匀程度，用于确定各抽样格网的样本数量,并累加得出各验证区域的样本 量。Oloffson等提出一种独立于地表覆盖数据集的抽样设计，该方法以分层随机 抽样为基础，通过气候分类和人口密度数据将全球分为21个层，按数 量分配规则从21层中随机抽取500个5km*5km格网单元作为样本。

现有面向遥感影像分类结果的空间抽样方法，兼顾了分类结果间的空间相 关性，降低了样本点间的信息冗余，提高了遥感影像分类结果的检验效率。但 遥感影像分类结果另一特征即空间异质性，在同一地物类型内，遥感影像分类 结果一致，其分类出错率较低；在不同的地物类型之间，遥感影像分类结果变 化较频繁，其分类出错率较高。

综上所述，现有技术存在的问题是：

(1)现有技术中，遥感影像分类结果另一特征即空间异质性，在同一地物 类型内，遥感影像分类结果一致，其分类出错率较低；在不同的地物类型之间， 遥感影像分类结果变化较频繁，其分类出错率较高。

(2)传统抽样方法建立于独立产品的质量检验，而遥感影像分类结果作为 一类特殊的商品有别于传统的独立产品，其具有海量性、空间相关性和空间异 质性等特征。因此传统抽样方法不适宜直接应用于遥感影像分类结果的精度检 验。