Exploring the Sample Quality Using Rough Sets Theory for the Supervised Classification of Remotely Sensed Imagery

在遥远地察觉到的形象的监督分类进程，样品的数量是象过去常评估图象分类的钥匙一样影响图象分类的精确性的重要因素之一。一般来说，样品根据优先的知识，经验和更高的分辨率图象被获得。与样品和一样的采样模型的一样的尺寸，训练样本数据的几个集合能被获得。在这，集合，集合反映它完善光谱特征并且保证仅仅在分类的精确性被估计了以后，分类的精确性能被知道。在分类前，为指导并且优化作为结果的分类过程测量并且估计样品的质量将因此是有意义的研究。基于不平的集合，然后，为样品质量的一个新测量索引被建议。实验数据在 1999 年 8 月 8 日是中国黄河三角洲的陆地卫星 TM 形象。实验比较 Bhattacharrya 距离矩阵和纯净索引 Δ 和 Δ X 在样品质量上基于 5 样品数据并且也的不平的集合理论分析它的效果。