一种评估遥感图像分类效能的新方法R值法.pdfVIP

一种评估遥感图像分类效能的新方法 一一R，值法 窦爱霞 王晓青 000 66信箱135) (中国地震局地震预测研究所，北京，1 摘要：为了确定遥感图像的分类最佳模型或评价分类结果的准确性，本文引入R值分类精 度评分法，针对遥感图像分类的特点，对R值算法进行改进与推广，提出一种新的遥感图 像分类效能评估方法一一R’值法，并且以实际图像为例进行了分类与评估检验。实验表 明R’值法足一种新的有效的图像分类模型效能评估方法，具有较好的应用前景。 关键字：图像，分类精度，评估， 尺’值法 1 引言 R值评分法在中国地震预测实践中应用相当』‘泛。它是许绍燮(1973)…从便于实 际地震预测工作的角度，提出的用于评估预报效能的方法。此后许绍燮(1989)心1、王 晓青(1999、2002)㈤“1等进行了进一步的研究，使其推广与完善。 一般来说，任何分类规则都有可能存在着错分、漏分现象，为了评价分类结果的好 坏或确定分类最佳模型，需要对分类结果进行检验。目前在图像分类中应用较广泛的检 验方法有混淆矩阵法与Kappa系数法。混淆矩阵法评估的是单类别精度，其算法上未考 虑分类偶然概率的影响，存在评估上的片面性。Kappa系数法通过多类别间的总体精度 反映整体分类效果，但在实际应．}{；{中，用户只关心其中某些感兴趣类别的分类效果，以 便建立相应的最优分类模型，此时用Kappa系数法来评估不能实现这一目的。本文将R 值法引入图像分类结果的评估中，并针对图像分类的特点，对R值算法进行改进，提山 了一种新的遥感图像分类效能评估方法一R’值法，并将其推厂“。 2 R7值的定义 设有像元总数为N的图像S，使用某一确定的分类方法对整幅图像分类提取某一目 标，A为目标的真实样本，其总像元数为NA；B为分类识别出的样本，像元总数为NB； AB为分类正确的样本，像元总数为NAB，如图1所示。则目标被正确分类的效能评估R 值定义为：目标被正确分类的概率减去图像被分成此类目标的概率 尺(Al曰)=P(BIA)-P(B) (1) 式中P(BIA)为目标被正确分类的概率，其值可用分类正确的像元总数与该类真实样本像 因此 R(AIB)：丝一生 h N A 酬动+P凹卜百NAB一丝N+万NA 当得到的分类结果B比此类实际样本A小，即AB～BA时， R(Af B)+P(A)≤瓦NB一百iB+百NA x Ⅳ月f业NAN)1+NⅣA_A=l 当得到分类结果B比此类实际样本A大，AB≤AB时， 附㈣州小瓮一等+等=鲁≤- 当分类完全正确，即AB=A=B时R(AIB)+P似)=1 又P(BIA)一0，因此，R(AIB)≥-P(B) 因而 -P∞)R(AIB)1-P似) (3) R值介于．尸(B)与1-尸印)之间，其愈接近于1-P(A)，此目标的分类效果愈好。为了 更直观地评估分类结果的优劣，将R值进行如下改进， R I B)+P(A)=P(BA)-[P(B)·P(A)】 7(4I B)=R(A I R7介于尸(么)．尸(B)与1之间的一个数值，其计算结果愈接近于1，分类精度愈高， 所使用的分类模型愈佳，当计算结果为1时，分类精度最高。 3 R’值推广 实际应用中，通常会