遥感影像分类精度评价教学内容
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感影像分类精度评
价
遥感影像分类精度评价
在ENVI中，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)，就 可以得到精度报表。
6、制图精度：指假定地表真实为A类，分类器能将一幅图像的像元归为A
的概率
7、用户精度：指假定分类器将像元归到A类时，相应的地表真实类别是A的概率。混淆矩阵中的几项价指标，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）
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%。
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
类的制图精度和拥护精度
1混淆矩阵(Confusion Matrix):主要用于比较分类结果和地表真实信息, 可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个地表 真实像元的位置和分类与分类图象中的相应位置和分类像比较计算的。混淆矩 阵的每一列代表了一个地表真实分类，每一列中的数值等于地表真实像元在分 类图象中对应于相应类别的数量，有像元数和百分比表示两种。
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。
对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度
的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每
2、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，地表真实图像或地表真实感兴趣区限定了像元的真实分类。被正确分类 的像元沿着混淆矩阵的对角线分布，它显示出被分类到正确地表真实分类中的 像元数。像元总数等于所有地表真实分类中的像元总和。
3、Kappa系数：是另外一种计算分类精度的方法。它是通过把所有地表真实 分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类中地 表真实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，再除以
总像元数的平方差减去某一类中地表真实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所得到的。
4、错分误差：指被分为用户感兴趣的类，而实际上属于另一类的像元，错分 误差显示在混淆矩阵的行里面。
5、漏分误差：指本属于地表真实分类，但没有被分类器分到相应类别中的像 元数。漏分误差显示在混淆矩阵的列里。
3/465=0.6%
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%。
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%。
78.8150%。
Kappa系数
它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。
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
价
遥感影像分类精度评价
在ENVI中，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)，就 可以得到精度报表。
6、制图精度：指假定地表真实为A类，分类器能将一幅图像的像元归为A
的概率
7、用户精度：指假定分类器将像元归到A类时，相应的地表真实类别是A的概率。混淆矩阵中的几项价指标，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）
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%。
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
类的制图精度和拥护精度
1混淆矩阵(Confusion Matrix):主要用于比较分类结果和地表真实信息, 可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个地表 真实像元的位置和分类与分类图象中的相应位置和分类像比较计算的。混淆矩 阵的每一列代表了一个地表真实分类，每一列中的数值等于地表真实像元在分 类图象中对应于相应类别的数量，有像元数和百分比表示两种。
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。
对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度
的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每
2、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，地表真实图像或地表真实感兴趣区限定了像元的真实分类。被正确分类 的像元沿着混淆矩阵的对角线分布，它显示出被分类到正确地表真实分类中的 像元数。像元总数等于所有地表真实分类中的像元总和。
3、Kappa系数：是另外一种计算分类精度的方法。它是通过把所有地表真实 分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类中地 表真实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，再除以
总像元数的平方差减去某一类中地表真实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所得到的。
4、错分误差：指被分为用户感兴趣的类，而实际上属于另一类的像元，错分 误差显示在混淆矩阵的行里面。
5、漏分误差：指本属于地表真实分类，但没有被分类器分到相应类别中的像 元数。漏分误差显示在混淆矩阵的列里。
3/465=0.6%
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%。
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%。
78.8150%。
Kappa系数
它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。
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