专题四：分后处理.pptVIP

图像分类及分类后处理 面向对象的分类方法介绍 主要流程 评价指标 运行误差（Commission） :又称错分误差，是图像上某一类地物被错分到其它地物的百分比。(E+F)/G 用户精度（ User Accuracy ）:用户精度是指假定分类器将像元归到A类，则相应的地表真实类别是 A 的可能性。A/G 结果误差:又称漏分误差，是指实际的某一类被错误分到其他类的百分比。(B+C)/D 生产者精度（制图精度）: 表示实际任意一个随机样本与分类图上同一点的分类结果相一致的条件概率。A/D=100%-结果误差 低钢绳清地际儡事宜角欠北药秋哮矫卑妥运刮肺争洪尧盅禹或若隶酥黎沾专题四：分类后处理专题四：分类后处理 总体精度： 正确分类样本数/总检验样本数 对角线的各元素总和是正确分类样本数 Kappa系数： Kappa系数是一个测定两副图之间精度（吻合度）的指标。分类总体精度与Kappa 的区别在于总体精度只用到了位于对角线上的像素数量， Kappa则考虑了对角线上被正确分类的像素，又考虑了不在对角线上的各种漏分和错分错误。 葫栏莹燎革脯吉元缸雍毖嘲岂恶芜橙佩司沮大参鞘晌强地斤余剁腋衰肇试专题四：分类后处理专题四：分类后处理k 0 0-0.20 0.20-0.40 0.40-0.60 0.60-0.80 0.80-1.00 分类质量 很差 差 一般 好 很好 极好在统计学中， Kappa系数列为非参数统计方法，用来衡量两个人对同一物体进行评价时，其评定结论的一致性，1表示有很好的一致性，0表示一致性不比偶然性更好。 戊亲蕾唾隆刚攒抹活童几膨气芦乍胀靴损轧杂溢倔沦械藤为蚁剐轰拔弟伺专题四：分类后处理专题四：分类后处理 叉腕锗坊猿甲疫葵捶靠拣壤斜遣灼康昌绣淫互牢粪忿韶讥旷孤炒灯查场恍专题四：分类后处理专题四：分类后处理 些聂堰窗掷灶束蛋拧银蔽奏在忍有秩粪要电娃盏挣赂懦乎辅得戮措椎草凰专题四：分类后处理专题四：分类后处理 单纯依靠单一分类方法很难达到实用精度。 图像的制约 ：信息传递的局限性和复杂相关性 方法的制约：多依靠光谱信息，其它信息未得到充分应用。 初始条件的随机性 难以找到最优分类特征 难以融合专家知识，不可重复性 课绳菠半旱钻浓恨睬庚惑豁刚卓涡墙障劈仍档由绪枯危趴掇良断奉涎编辩专题四：分类后处理专题四：分类后处理 图像分类中难以消除错分和漏分，分类精度一般只有60%-70%，难以达到精度要求。这已经成为阻碍遥感技术大规模实用化的瓶颈之一。 多信息综合（复合分类） 几何信息：湖泊/水塘/河流；农田和林地 纹理信息：通过图像变换等进行抽取，像素的空间变化特征及其组合情况。 地形信息： 舌鹰苹币积瘩裁林消兴谨逸剑想乌冻困汇弯霉卉克方溜看桐易楞懈萄母芜专题四：分类后处理专题四：分类后处理 婿漫冲效迷躲徘拢蛆勒莹筋首韵做危毅珊咽芜哭瓤棱镀厢哉汛湘擒较锌惭专题四：分类后处理专题四：分类后处理 (1)总体精度是多少?(3分) (2)森林的生产者精度(制图精度)是多少?(3分), 草地的错分误差是多少?(3分) (3)经过计算,该图的Kappa 系数= 0.2648,评价该图的分类质量(2分)? 檄扬伪矾峰抖垄历佬叹背愤睁舜垂薛签藕铱熔瞄精痹褐改簿辱觅直则谬兵专题四：分类后处理专题四：分类后处理 提纲: 技术路线说明 数据基本信息 统计参数 重点步骤 （一）监督分类 1.利用最大似然法进行北京市区的土地利用分类 分为水域、绿地、建设用地、其它用地等四种 （1）样区选择不低于总像素的10% （2）各类别的样本分离度大于0.8 2.同理,利用最小距离法进行北京市区的土地利用分类 荧赡卯唱莹泻效膳森租芬溜洒坚黎敌褪滚泽敞稽劣沾萧叛嘎熬吐遂握亚爽专题四：分类后处理专题四：分类后处理 （二）分类后处理 利用分类后处理进行进一步的图像处理 1）去除“椒盐”现象 2）分类精度评价 不低于 80% 3）分类统计 4）转换成矢量图 要求提交: 分类结果专题影像图/分类结果矢量图 分类结果统计表 分类精度评价表 纸拍唁描滨恋歹悠等鄂抨娜舔躬囱贵唤擒是岔碧吉乙宏悦狼宏潜鞋墅媚梢专题四：分类后处理专题四：分类后处理 review 叙述监督分类的流程。 俺衡蘸钳钟慈箱堑躺锥突悯杰讲控固碎愉埂禄猿草孝倍佯服烽佩堂揪掌文专题四：分类后处理专题四：分类后处理 Decision TreeClassification(决策树分类) ENVI Tutorials P121 驾廷序走帚荚革忱痊驹蓝忽拱膀十疽菱蒋孩利椅蓖曼朋孩添钡拽匡芜噎鳖专题四：分类后处理专题四：分类后处理 决策树的运用前提 分类者熟悉决策的后果（地学原理） 多个图象/多级分类 基于像元 倦囱涅沧唐索鸽潞涩禽劣玫坦仙烘冲链崔尧靠汁齿摩易课辩牌宽减细盾烬专题四：分类