郭平--土地分类精度评价0727.pptxVIP

土地利用分类与精度验证;1. 遥感影像分类; 监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。;遥感影像的监督分类一般包括以下6个步骤; 根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。启动ENVI4.8，打开待分类数据以R:Band 4，G: Band 3，B：Band 2波段组合显示。 通过目视可分辨5类地物，本次分类分为居民点、水域、林地、耕地、裸地;采用Landsat7北京市影像数据，裁剪后RGB（432）波段组合的研究区影像;（2）训练样本的选取;;采用最大似然分类法分类的结果，并经过了分类后处理（修改名字、颜色、聚类分析、修改错分的图斑等处理）。;; 非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无先验（已知）类别标准的图像分类，是以集群为理论基础，通过计算机对图像进行集聚统计分析的方法。根据待分类样本特征参数的统计特征，建立决策规则来进行分类。而不需事先知道类别特征。把各样本的空间分布按其相似性分割或合并成一群集，每一群集代表的地物类别，需经实地调查或与已知类型的地物加以比较才能确定。是模式识别的一种方法。一般算法有：回归分析、趋势分析、等混合距离法、集群分析、主成分分析和图形识别等。;非监督分类步骤; ENVI中非监督分类方法有K-means均值算法、迭代自组织的数据分析法（ISODATA）。 非监督分类大体上判断主要地物的类别数量。一般监督分类设置分类数目比最终分类数量要多2-3倍为宜，这样有助于提高分类精度。;选用ISODATA方法的非监督分类结果;合并为5类后，进行分类后处理的影像; （1）文献中验证实例 验证时,采用相同的数据源按照同样的解译方法对采样点再次解译,然后对两次解译结果进行比较。比较结果提供一个混淆矩阵,用以区分特定的土地覆盖类别的错分程度[2]。 利用目视解译、非监督分类、监督分类和基于专家知识的决策树分类４种方法对研究区土地利用类型进行分类，并以人工目视解译结果作为真实值对另外３种方法的分类结果进行分析对比和精度验证，以期找到基于Landsat8遥感影像的红原地区土地利用专题信息提取的最佳方法，为该区土地利用现状遥感分类及应用提供科学基础[3]。; 遥感图像分类精度的评价通常是采用分类专题图与标准数据（基础地理信息图件或地面实测资料）进行比较，以正确的百分比来表示精度的大小[4]。 用不同的数据源选取ROI来验证，或者不同的人用同一数据源来验证。最后又综合精度和kappa系数，Kappa系数小，代表选取的样本不好，分离度低，可行度差，样本数量少[5]。 Effective assessment of multiple features of remotely sensed data and the selection of a suitable classification method are especially significant for improving classification accuracy. More research, however, is needed to identify and reduce uncertainties in the image-processing chain to improve classification accuracy.[6] ; ;;总体分类精度（overall accuracy）：等于被正确分类的像元总和除以总像元数。 Kappa系数（Kappa coefficient） 错分误差（commission），指被分为用户感兴趣的类而实际属于另一类的像元 漏分误差（omission），指本身属于地表真实分类，当没有被分类器分到相应类别中的像元数。 制图精度（prod. Acc.），指分类器将整个图像的像元正确分为A类的像元数与A类真实参考总数的比。 用户精度（user acc.）指正确分到A类的像元总数与分类器将整个图像的像元分为A类的像元总数的比;分类质量分级表[7];分类结果叠加验证精度;居民点、林地、耕地分类结果叠加对