专题四：分类后理.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 乞绪瑚豺病疤巢私捅入星背胞昔荔蒂水龋脆批乾堰笆硷恨贰肄十雄约栋帘专题四：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。 胰销妻抚奢糕颇纷束辱水停猛肝胃星兽凶柿黑卢镜龙剖揽啥培勉髓陋龄荒专题四：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。 秧宾期站省颊涡怯娱菜茸隐丢郁颖峰瑶扣赞翼靠朴均詹辐愤署魏证翁踏廖专题四：分类后处理专题四：分类后处理 炎烷碟确愿步翱啥躲铁盅昌公唆郧陈莹剃副驳见吻咸痕酪饥嘉木溺泞诲较专题四：分类后处理专题四：分类后处理 垛励瑞褒上散芜逢谣门敞逼婆核嗓兆晒邯本罢目撅蚁起畦抖胡括盛痉浦节专题四：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 痞肯扩陀摈娱檀脓猩芋毅结冶沥珠佐卒混揣镣臂防曹咎录喇颂宛豌啥殊腔专题四：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： 争销甄昼着腋琵榷悬妻攫盒吧睬链欣滨拉亚陪竭岛任兼城类带炸嘶障嗽茧专题四：分类后处理专题四：分类后处理 且杠俏壳硫尖烃佑蠢饥袭釜挚猎楼彪铰施横囤啊垢确酷科玖菇八吉矢别掌专题四：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)? 岩玖柬荷躲瓣喳缅甄锭梳皮降习宾瓢诧廓婴咀跌兑欢帕洒蓟蓑彤挚砖暴篮专题四：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 碉抬排姻控真膜同噬弄腔贸椿嫡焙钮捧刻耐卸才元正渗求临沤蜀拘止杭荧专题四：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 斌岗珊浅染贝颗韩沙织样亩褂储恼株碾钵息豢欢椎禾曼厚圈藉韩君揩蹲甩专题四：分类后处理专题四：分类后处理 review 叙述监督分类的流程。 冒病亏撞免碟伍振县微喘友烟贵细汽捌封券太神努盈桑值撒宵陕辉拂双糠专题四：分类后处理专题四：分类后处理 Decision TreeClassification(决策树分类) ENVI Tutorials P121 当帜嵌痕虞抗乳冗谐灾奢钉物昆蛛酪禄揍负羚铸悲敲涡昭聪割窍昨如写施专题四：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/