样本数据是进行遥感影像监督分类的基础数据,大量的高质量样本数据对提高遥感影像分类精度、获取土地覆盖类型的面积以及土地覆盖变化监测发挥着重要的作用。在大范围研究区中,依靠目前的样本数据获取方法,若要获取到大量的数据相对困难,而较少的样本数据成为大范围遥感影像分类的短板。因此,如何进行快速的样本采集与处理是解决大范围遥感影像分类中样本较少的关键问题。本文提出了利用GPS相机进行样本采集的方法,在汽车行进过程当中对道路两旁的地物进行拍摄,照片表达地物类型的同时记录了地理位置信息,是一种快捷简便得获取地面样本的方法。同时详细介绍了样本采集的技术要点和采集质量要求,以提高样本质量。针对目前还未有处理并解译GPS照片的软件,使用IDL语言开发了GPS照片数据快速处理系统,对开发过程和使用方法进行了详细阐述,力求快捷简便得处理照片数据。照片数据解译完成之后,即可形成样本数据库,通过对样本数据库中点位的修正和样本数据的补充,提高了样本数据集的准确度和增加了样本数量。同时对样本数据进行了优化,经过纯化、扩展与过滤后形成训练样本数据集,并计算了样本分离度以检验样本质量,最后使用随机森林算法对遥感影像进行了土地覆盖分类,提出了利用计算机自动进行样本训练的方法。分类结果中总体精度为79%,Kappa系数为0.77,F1分数为0.72,结果表明计算机自动训练的样本发挥了较好的效果,但同时仍有很大的改进空间。