注册 登录  
 加关注
查看详情
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

面朝大海 春暖花开

一点心得,转载本博客文章,请注明转帖,谢谢!

 
 
 

日志

 
 
关于我

中国科学院博士 主要从事遥感机理、定量反演、数据处理以及GIS应用研究。ArcGIS、Envi 、ERDAS、Ecognition软件、IDL语言、6S、SAIL

遥感分类精度评价方法--转  

2012-05-17 13:12:35|  分类: 遥感 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |

摘自柳钦火等《定量遥感模型、应用及不确定性研究》第一章

遥感分类的不确定性是和其评价方法联系在一起的。

?

分类精度评价方法的四个发展阶段

分类精度评价方法的发展分为四个阶段:

第一阶段:以目视判断为主,是一种定性的评价方法,具有很大的主观性。

如:erdas中,卷帘模式查看。

第二阶段:由定性发展到定量方法,主要通过比较分类所得的专题图中各类别的面积范围(或面积比例)与地面或其他参考数据中相应类别的面积范围(或面积比例)。相比第一阶段,定量和客观。局限:非定位(non-site specific)。类别所占面积比例一致,但它可能在错误的位置。此种评价方法可能掩盖分类结果的真是精度。

如:对土地利用遥感解译的各种地类的面积进行统计,(森林面积,耕地面积,)与年鉴或相关部门的统计数据比较,求差异。

第三阶段:以定位(site specific)类别比较和精度测量(accuracy metrics)为特征。精度评价将特定位置的分类结果中的类别和地面实况或其他参考数据中相应点的类别进行比较,并在比较基础上发展出各种精度测量。(如总体精度等)。

第四阶段:在第三阶段方法基础上的细化和发展。核心是误差矩阵方法。充分利用误差矩阵信息的基础上,计算出各种精度测量(如Kappa系数)。

?

?

?

主要方法

特点

缺陷

第一阶段

目视判断

定性评价

具主观性

第二阶段

解译结果面积与参考数据比较

定量

非定位

第三阶段

定位类别比较,精度测量

?

?

第四阶段

误差矩阵方法

?

?

?

误差矩阵(混淆矩阵)评价法

基于误差矩阵的分类精度评价方法

误差矩阵(error matrix)又称混淆矩阵(confusion matrix),是一个用于表示分为某一类别的像元个数与地面检验为该类别数的比较阵列。通常,阵列中的列代表参考数据,行代表由遥感数据分类得到的类别数据。

参考数据

?

?

RS分类数据

?

A

B

C

D

ni+

A

N11

N12

N1k

N1+

B

N21

N22

?

N2+

C

?

D

Nk1

Nk2

Nkk

Nk+

n+j

N+1

N+2

N+k

N

?

n为遥感分类精度评价中总的样本数,k为总的分类类别数目,

nijRS中被分为i类而在参考类别中属于j类的样本数目。

则,在RS中被分为i类的样本数目为:ni+= nij? j=1~k

参考类别为j的样本数目为:n+j= nij?? i=1~k

总体精度(overall accuracy)为:OA = (∑nii/n??? i=1~k

生产者精度(producer’s accuracy)为:PAj = njj / n+j

用户精度(user’s accuracy)为:UAi = nii / ni+

?

Kappa 分析,统计意义上反映分类结果在多大程度上优于随机分类结果,可以用于比较两个分类器的误差矩阵是否具有显著差别。

Kappa分析产生的评价指标被称为K统计值:

[转载]读书笔记之二十二:遥感分类精度评价方法

Erdas中的分类精度评价

1.打开分类结果(img

2. Classifier > Accuracy Assessment

3. Accuracy Assessment窗口中,open > 选择分类结果(img

4. View > select viewr 选择打开的影像(img)的窗口

5. Edit > create /add random point 设置Number of points (生成多少个随机点)select classes,可以选择只在某些类中生成随机点

6. Edit >Show Class Values

7. View > Show All

8. Reference 列中输入该点的参考类别号

9. Report > Accuracy Report

该报告中有生产者精度,用户精度,总体精度,Kappa等数值。

执行了监督分类之后,需要对分类效果进行评价,ERDAS系统提供了多种分类评价方法,包括分类叠加(classification overlay )、定义阈值(thresholding)、分类编码 (recode classes)、精度评估(accuracy assessment)等,下面有侧重的进行介绍。

1分类叠加(Classification Overlay)

分类叠加就是将专题分类图像与分类原始图像同时在一个视窗中打开,将分类专题层置于上层,通过改变分类专题的透明度(Opacity)及颜色等属性,查看分类专题与原始图像之间的关系。对于非监督分类结果,通过分类叠加方法来确定类别的专题特性、并评价分类结果。对监督分类结果,该方法只是查看分类结果的准确性。

2分类重码

对分类像元进行了分析之后,可能需要对原来的分类重新进行组合(如将林地1与林地2合并为林地),给部分或所有类别以新的分类值从而产生一个新的分类专题层。该功能的

3分类精度评估

分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较,实际工作中常常是将分类数据与地面真值、先前的试验地图、航空相片或其它数据进行对比的途径之一。下面是具体的操作过程:

第一步:在视窗中打开原始图像

Viewer中打开分类前的原始图像,以便进行精度评估。

第二步:启动精度评估对话框

ERDAS 图标面板菜单条:MainImage Classification Classification

ERDAS 图标面板工具条:点击Classifier 图标→Classification菜单

→选择Accuracy Assessment菜单项

→打开Accuracy Assessment对话框

Accuracy Assessment 对话框中显示了一个精度评估矩阵(Accuracy Assessment Cellarray)。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较,参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。

第三步:打开分类专题图像 ---也就是你的分类结果

Accuracy Assessment 对话框菜单条:FileOpen

→打开Classified Image对话框

→在Classified Image对话框中确定与视窗中对应的分类专题图像

OK(关闭Classified Image对话框)

→返回Accuracy Assessment对话框

第四步:将原始图像视窗与精度评估视窗相连接

Accuracy Assessment对话框:

→工具条:点击Select Viewer图标 (或菜单条:选择View 菜单的Select Viewer

→将光标在显示有原始图像的视窗中点击一下

原始图像视窗与精度评估视窗相连接

第五步:在精度评价对话框中设置随机点的色彩

Accuracy Assessment对话框:

→菜单条View Change Colors菜单项

→打开Change color面板

→在Points with no Reference确定没有真实参考值的点的颜色

→在Points with Reference确定有真实参考值的点的颜色

OK(执行参数设置)

→返回Accuracy Assessment对话框

第六步:产生随机点

本步操作将在分类图像中产生一些随机的点,随机点产生之后,需要用户给出随机点的实际类别。然后,随机点的实际类别与在分类图像的类别将进行比较。

Accuracy Assessment对话框:

Edit Create/Add Random Points

→打开Add Random Points对话框

→在search Count中输入1024

→在Number of Points中输入20

→在Distribution Parameters选择Random单选框

OK(按照参数设置产主随机点)

→返回Accuracy Assessment对话框

可以看到在Accuracy Assessment对话框的数据表中出现了10个比较点,每个点都有点号、XY坐标值、 Class Reference等字段,其中点号、 XY坐标值字段是有属性值的。

说明:在Add Random Point对话框中, search Count是指确定随机点过程中使用的最多分析像元数,当然这个数目一般都比Number of Point大很多,Number of Points设为20说明是产生20个随机点,如果是做一个正式的分类评价,必须产生20个以上的随机点。选择Random意味着将产主绝对随机的点位,而不使用任何强制性规则。Equalized Random是指每个类将具有同等数目的比较点stratified Random是指点数与类别涉及的像元数成比例,但选择该复选框后可以确定一个最小点数(选择Use Minimum Points,以保证小类别也有足够的分析点。

第七步:显随机点及其类别

Accuracy Assessment对话框:

View. Show All(所有随机点均以第五步年设置的颜色显示在视窗中)

EditShow Class Values(各点的类别号出现在数据表的class字段中)

第八步:输入参考点的实际类别值 ----给产生的随机点进行实际赋值

Accuracy Assessment对话框:

→在数据表的Reference字段输入各个随机点的实际类别值(只不要输入参考点的实际分类值,它在视窗中的色彩就变为第五步设置的Point With Reference颜色)

第九步:设置分类评价报告输出环境及输出分类评价报告

Accuracy Assessment对话框:

Report Options

→通过点击确定分类评价报告的参数

ReportAccuracy Report(产生分类精度报告)

ReportCell Report(报告有关产生随机点的设置及窗口环境)

→所有报告将显示在ERDAS文本编辑器窗口,可以保存为本文件

FileSave Table(保存分类精度评价数据表)

Fileclose (关闭Accuracy Assessment对话框)

通过对分类的评价,如果对分类精度满意,保存结果。如果不满意,可以进一步做有关的修改,如修改分类模板等,或应用其它功能进行调整。

  评论这张
 
阅读(3296)| 评论(0)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2018