遥感图像分类.pptVIP

非监督分类与监督分类的结合： 监督分类的缺陷在于，必须在分类前确定样本，难度大、效率低 通过非监督法将一定区域聚类成不同的单一类别，监督法再利用这些单一类别区域“训练”计算机 使分类精度得到保证的前提下，分类速度得到了提高 三.非监督分类方法 第二十九页，共40页。 混淆矩阵（Confusion Matrix） 混淆矩阵是由n行n列组成的矩阵，用来表示分类结果的精度 混淆矩阵是通过将每个像元的位置和地面参考验证信息与计算机分类结果中的相应位置和类别来比较计算的 混淆矩阵的每一列代表了地表实测值（参考验证信息），每一列中的数值等于地表真实像元在分类图像中对应于相应类别的数量 混淆矩阵的每一行代表了计算机的分类信息，每一行中的数值等于计算机分类像元在地表真实像元相应类别中的数量 四.分类精度评价 第三十页，共40页。 遥感图像分类 第一页，共40页。 目录 图像分类基本概念和原理 监督分类方法 非监督分类方法 分类精度评价 分类后处理 第二页，共40页。 一.图像分类基本概念和原理 遥感图像分类是图像信息提取的一种方法 遥感图像分类是遥感数字图像处理的重要环节，也是遥感应用最广泛的领域之一 提取信息的类型 举例 分类 土地覆盖、树种识别、植被和农作物 变化检测 土地覆盖变化 物理量的提取 温度、大气成分、高程、土壤含水量 指标提取 植被指数、浑浊指标 特定地物和状态的提取 山火