专题四：分类后处理.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 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。 k 分类质量 0 很差 0-0.20 差 0.20-0.40 一般 0.40-0.60 好 0.60-0.80 很好 0.80-1.00 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