郝怀旭，万太礼，罗年学

(武汉大学测绘学院，湖北 武汉 430079)

随着近些年来传感器和成像技术的发展，遥感影像的分辨率不断提高。高空间分辨率遥感影像因其丰富的光谱和空间信息，广泛应用于城市土地利用制图、农作物监测、国土资源管理及灾害评估等领域[1-2]。作为一种重要的遥感影像自动解译方式，监督分类在遥感影像应用中得到了大量的应用。监督分类模型，其表现取决于训练样本的质量和数量[3]。然而样本的人工标定是一项费时费力的工作，且容易出错[4]。此外，遥感影像数据量的急剧增加，更加重了样本采集的负担。因此，如何利用现有条件自动生成样本或减少样本数量，成为最近几年的研究热点。开源数据OpenStreetMap(OSM)为这一问题提供了新的解决思路。

伴随着Web 2.0的兴起，志愿者们通过互联网分享地理数据，这种数据被称为志愿者地理信息[5](volunteer geospatial information,VGI)。作为一个典型的VGI项目，OSM在2004年创立于伦敦大学，其目的是构建一个供公众免费上传、编辑和使用的地理数据集[6]。截至2014年，OSM已有约150万名注册志愿者。公众的广泛参与和贡献，不仅汇集了海量的数据，还确保了数据的质量。研究表明，在某些国家和地区，OSM数据的数据量和准确度已经达到了专业数据的水平[7]。值得注意的是，由于OSM吸收了一部分商业公司的导航数据，且志愿者使用手持GPS设备采集轨迹数据，OSM道路数据具有较高的可靠性。基于以上事实，OSM数据作为遥感影像分析的先验信息，在影像分类领域得到应用。……