基于集成学习的遥感图像分类训练样本优化方法

本发明公开了基于集成学习的遥感图像分类训练样本优化方法，涉及遥感技术领域，包括：提取不同地物类型；保留分类结果完全一致区域作为保留区域；完成样本质量优化处理；利用保留区域的斑块的几何中心构建样本点并与优化样本混合，实现样本数量倍增及布局优化；基于所有非监督分类结果与优化样本叠加分析，并识别同类中不同子类别样本，完成样本类型精细化处理；基于目视解译分类结果的对比、样本之间的类分离度变化及对比精度评价的变化，综合检验样本纯化与优化处理是否有效完成。本发明通过多分类器协同监督分类与栅格叠置分析技术，有效解决了传统遥感样本质量参差不齐、分布不均的问题。