遙感影像分類精度評價

1、遙感影像分類精度評價遙感影像分類精度評價在ENVI中，選擇主菜單ClassificationPostClassificationConfusionMatrixUsingGroundTruthROIs。將分類結果和ROI輸入，軟件會根據(jù)區(qū)域自動匹配，如不正確可以手動更改。點擊ok后選擇報表的表示方法（像素和百分比），就可以得到精度報表。對分類結果進行評價，確定分類的精度和可靠性。有兩種方式用于精度驗證：一是混淆有兩種方式用于精度驗證：一是

2、混淆矩陣，二是矩陣，二是ROC曲線，曲線，比較常用的為混淆矩陣，ROC曲線可以用圖形的方式表達分類精度，比較形象。對一幀遙感影像進行專題分類后需要進行分類精度的評價，而進行評價精度的因子有混淆矩陣、總體分類精度、Kappa系數(shù)、錯分誤差、漏分誤差、每一類的制圖精度和擁護精度。1、混淆矩陣（ConfusionMatrix）:主要用于比較分類結果和地表真實信息，可以把分類結果的精度顯示在一個混淆矩陣里面?；煜仃囀峭ㄟ^將每個地表真實像元的位

3、置和分類與分類圖象中的相應位置和分類像比較計算的。混淆矩陣的每一列代表了一個地表真實分類，每一列中的數(shù)值等于地表真實像元在分類圖象中對應于相應類別的數(shù)量，有像元數(shù)和百分比表示兩種。2、總體分類精度（OverallAccuracy）:等于被正確分類的像元總和除以總像元數(shù)，地表真實圖像或地表真實感興趣區(qū)限定了像元的真實分類。被正確分類的像元沿著混淆矩陣的對角線分布，它顯示出被分類到正確地表真實分類中的像元數(shù)。像元總數(shù)等于所有地表真實分類中的

4、像元總和。3、Kappa系數(shù)：是另外一種計算分類精度的方法。它是通過把所有地表真實分類中的像元總數(shù)（N）乘以混淆矩陣對角線（Xkk）的和，再減去某一類中地表真實像元總數(shù)與該類中被分類像元總數(shù)之積對所有類別求和的結果，再除以總像元數(shù)的平方差減去某一類中地表真實像元總數(shù)與該類中被分類像元總數(shù)之積對所有類別求和的結果所得到的。（混淆矩陣中A類列的總和）的比率。如本例中林地有419個真實參考像元，其中265個正確分類，因此林地的制圖精度是265

5、419=63.25%。?用戶精度是指正確分到A類的像元總數(shù)（對角線值）與分類器將整個影像的像元分為A類的像元總數(shù)（混淆矩陣中A類行的總和）比率。如本例中林地有265個正確分類，總共劃分為林地的有277，所以林地的用戶精度是265277=95.67%。首先你做分類的時候要選好分類的地區(qū)影像，一般要求要有地面數(shù)據(jù)支持，也就是說要知道你待分類的影像的地物類別，這樣在你的分類完成后才可能評價你的分類精度，分類精度的評價一般是用混淆矩陣來評價，從

6、混淆矩陣中算出總精度和Kappa系數(shù)就可作為分類精度了。分類的精度，一般兩種方法，實地調(diào)查；高分辨率的影像檢驗低分辨率影像的分類。大部分文獻的精度驗證方法無非還是那些傳統(tǒng)的方法：混淆矩陣的總體精度，kappa分析，野外驗證，專家組評估驗證。還有沒有別的更好一些的模型，就比如說是野外驗證，野外如何布點？采用什么樣的模型布點？值得一提的是前段時間終于查到一些數(shù)據(jù)同化（又叫四維同化）的資料。數(shù)據(jù)同化原是大氣科學中的一個概念。四維同化：自從氣象