遥感原理与制图 监督分类的步骤与实施 技能训练---ENVI遥感图像监督分类评价分类结果.docx

测绘地理信息技术专业教学资源库 《遥感原理与制图》课程测绘地理信息技术专业教学资源库 1 - 实训指导书 一、实训名称 监督分类评价分类结果 二、实训目的 掌握监督分类结果精度验证评价的方法 三、实训步骤 1. 对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证： 一是混淆矩阵，二是 ROC 曲线，比较常用的为混淆矩阵，ROC 曲线可以用图形、的方式表达分类精度比较形象。真实参考源可以使用两种方式：一是标准的分类图，二是选择的感兴趣区（验证样本区）。真实的感兴趣区参考源的选择可以是在高分辨率影像上选择，也可以是野外实地调查获取原则是获取的类别参考源的真实性。由于没有更高分辨率的数据源，本例中就把原分类的TM影像当作是高分辨率影像，在上面进行目视解译得到真实验证样本。 主菜单‐Classification‐Post?Classification‐Confusion?Matrix选择真实验证样本。 2.选择主菜单‐Classification‐Post?Classification‐Confusion?Matrix‐Using? Ground?Truth?ROIs。将分类结果和ROI输入，软件会根据区域自动匹配，如不正确可以手动更改。点击 ok 后选择报表的表示方法（像素和百分比。? 3 .选择主菜单‐Classification‐Post?Classification‐Confusion?Matrix‐Using? Ground?Truth?ROIs。将分类结果和ROI输入，软件会根据区域自动匹配，如不正确可以手动更改。点击 ok 后选择报表的表示方法（像素和百分比。? 4.得到精度验证混淆矩阵 5.精度结果分析 这里说明一下混淆矩阵中的几项评价指标，如下：总体分类精度等于被正确分类的像元总和除以总像元数。被正确分类的像元数目沿着混淆 矩阵的对角线分布，总像元数等于所有真实参考源的像元总数，如本次精度分类精度表中的 Overall?Accuracy =?(1849/2346)??78.8150%。? zKappa系数?是通过把所有真实参考的像元总数（N）乘以混淆矩阵对角线（XKK）的和，再减去某一类中真实参考像元数与该类中被分类像元总数之积之后，再除以像元总数的平方减去某一类中真实参考像元总数与该类中被分类像元总数之积对所 有类别求和的结果。?z 错分误差? 指被分为用户感兴趣的类，而实际属于另一类的像元，它显示在混淆矩阵里 面。本例中，林地有 419 个真实参考像元，其中正确分类 265，12 个是其他类别 错分为林地（混淆矩阵中林地一行其他类的总和），那么其错分误差为 12/419=2.9%。? z 漏分误差? 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。如在 本例中的耕地类，有真实参考像元 465 个，其中 462 个正确分类，其余 3 个被错 分为其余类（混淆矩阵中耕地类中一列里其他类的总和），漏分误差为3/465=0.6%? z 制图精度? 是指分类器将整个影像的像元正确分为 A 类的像元数（对角线值）与 A 类 真实参考总数（混淆矩阵中 A 类列的总和）的比率。如本例中林地有 419 个真实 参考像元，其中 265 个正确分类，因此林地的制图精度是 265/419=63.25%。? z 用户精度? 是指正确分到 A 类的像元总数（对角线值）与分类器将整个影像的像元分为 A 类的像元总数（混淆矩阵中 A 类行的总和）比率。如本例中林地有 265 个正确 分类，总共划分为林地的有 277，所以林地的用户精度是 265/277=95.67%。?