遥感图像分类的精度评价(kappa统计值与分类精度的对应关系)

遥感图像分类的精度评价

精度评价是指比较实地数据与分类结果，以确定分类过程的准确程度。分类结果精度评价是进行土地覆被/利用遥感监测中重要的一步，也是分类结果是否可信的一种度量。最常用的精度评价方法是误差矩阵或混淆矩阵（Error Matrix ）方法（Congalton ，1991；Richards ，1996；Stehman ，1997），从误差矩阵可以计算出各种精度统计值，如总体正确率、使用者正确率、生产者正确率（Story 等，1986），Kappa 系数等。

误差矩阵是一个n ×n 矩阵（n 为分类数），用来简单比较参照点和分类点。一般矩阵的行代表分类点，列代表参照点，对角线部分指某类型与验证类型完全一致的样点个数，对角线为经验证后正确的样点个数（Stehman ，1997）。对分类图像的每一个像素进行检测是不现实的，需要选择一组参照像素，参照像素必须随机选择。

Kappa 分析是评价分类精度的多元统计方法，对Kappa 的估计称为KHAT 统计，Kappa 系数代表被评价分类比完全随机分类产生错误减少的比例，计算公式如下：

2N.(.)

K=(.)r

ii i i i i i x x x N x x ++∧++--∑∑∑

式中 K ∧

是Kappa 系数，r 是误差矩阵的行数，x ii 是i 行i 列（主对角线）上的值，x i +和x +i 分别是第i 行的和与第i 列的和，N 是样点总数。

Kappa 系数的最低允许判别精度0.7（Lucas 等，1994）

表1 kappa 统计值与分类精度对应关系 (Landis and Koch 1977)

Table1 classification quality associated to a Kappa statistics value

1. Congalton, R. G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing Environ., 1991, 37: 35-46.

2. Richards, J. A. Classifier performance and map accuracy. Remote Sensing Environ. 1996, 57:

161-166.

3.Stehman, S. V. Selecting and interpreting measures of thematic classification accuracy.

Remote Sensing Environ., 1997, 62: 77-89.

4.Story, M. and Congalton, R. G. Accuracy assessment: a user’s perspective. Photogrammetric

Engineering & Remote Sensing, 1986, 48(1): 131-137.

5.Lucas, I. F. J., Frans, J. M. Accuracy assessment of satellite derived land-cover data: a review.

Photogrammetric Engineering & Remote Sensing, 1994, 60(4): 410-432.