遥感影像分类精度评价.pdfVIP

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。 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、 每一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。 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。 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% 。 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