ENVI监督分类及精度评价
最近协助同学做了完整的监督分类数据，特此记录下来。对于ENVI监督分类，是每一个遥感从业者掌握的最基础的一个方法，但是完整的监督分类流程和精度评价，估计往往认识不够，所以以下的分享还是有点意义。
监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。
一、ENVI监督分类技术流程
二、分类后精度验证及评价
真实的感兴趣区验证样本的选择可以是在高分辨率影像上选择，也可以是野外实地调查获取，原则是获取的类别参考源的真实性。 首先在Googleearth、高分辨率影像和实地均匀的选取检验样本，制作成ROI文件或者.shp文件，再进行精度评价。
名词解释：
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。
生产者精度：
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。
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。
总精度：
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Overall Accuracy 。
混淆矩阵精度评价（ Confusion Matrix）
精度评价表如下：
误差矩阵如下：
ENVI监督分类及精度评价相关推荐
- 遥感分类误差矩阵_遥感卫星影像之分类精度评价
原标题:遥感卫星影像之分类精度评价 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. ...
- QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（4）-分类精度评价
本文继续介绍使用QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布,本文为教程的第四部分:分类结果精度评价.所使用的示范数据下载地址为: 链接: https://pan.baidu.com/s/1 ...
- 基于GoogleEarth等高分辨率影像的地物景观提取精度评价
本文是最近一段时间遇到的问题,查找了解决方案,但可能较为局限,也不是特别严谨,非常欢迎其他博主能够批评指正,给出好的建议. 一. 精度评价意义 当使用指数(或其他方法)进行对地物如水体,植被,不透水面 ...
- 遥感数据手动、自动、半自动几何精校正及其精度评价
遥感数据手动.自动.半自动几何精校正及其精度评价 目录 1. 几何精校正的基准... 1 2. 平移... 2 2.1 交互式拖动... 2 2.2 按像元平移... 2 3. 交互采集GCP的多项式 ...
- 【易康教程】遥感自动解译精度评价-Kappa系数计算等
自动解译工作永远也无法绕过的一个点永远都是精度评价,本文中基于eCongnition软件进行基于混淆矩阵的精度评价. 第一步-数据准备 本文中采用的数据以及规则集是前文中数据植被提取内容:教程 | ...
- 影像自动解译_eCognition影像自动解译及精度评价
[1] 梅安新, 彭望琭, 秦其明, 等.遥感导论[M].北京:高等教育出版社, 2001. [2] 术洪磊, 毛赞猷.GIS辅助下的基于知识的遥感影像分类方法研究--以土地覆盖/土地利用类型为例[J ...
- QGIS最受欢迎的20个插件
背景 国际上有一个组织叫做开源地理空间基金会OSGeo(Open Source Geospatial Foundation),该组织自成立后,就支持和推广开源地理空间技术和数据的协作开发. 目前大家耳 ...
- 如何使用ENVI进行精度验证步骤
问题来源 在遥感图像处理中,我们经常会遇到图像分类的问题,有时我们可以通过ENVI自带的方法进行遥感图像分类,然而,在研究过程中,我们可能需要精度更高的分类结果,所以可能会使用自定义的机器学习.深度学 ...
- 3D 激光雷达地图相对精度自动评价算法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 标题:3D Lidar Mapping Relative Accuracy Automatic Eva ...
- MFC实现ENVI分类影像混淆矩阵（Confusion Matrix）及精度计算（Overall Accuracy和Kappa Coefficient）
混淆矩阵(Confusion Matrix) 混淆矩阵计算代码: // 打开两幅待比较的分类影像 CFile datClassifyImg(ImgPath1, CFile::modeRead | CF ...
最新文章
- golang strings.Fields 使用
- fitnesse页面增加认证
- 如何在Node JS中卸载NPM模块？
- spark中local模式与cluster模式使用场景_Spark 知识点 ( 架构 RDD Task )
- c++用什么软件编程_为什么要学习“C”编程语言？
- Linux下几款C++程序中的内存泄露检查工具
- angular4获得焦点事件_深究AngularJS——如何获取input的焦点（自定义指令）
- Vue-CoreVideoPlayer 一款基于 vue.js 的轻量级、优秀的视频播放器组件
- 账号通过邮箱找回密码功能设计
- python 日期的周数_术业有专攻：日期时间模块datetime
- 超图神经网络 Hypergraph Neural Networks
- 想要制作好看的壁纸，有CorelDRAW就够啦
- Markdown For Typora
- 互联网女皇Mary Meeker眼中的移动互联网趋势（幻灯片）
- 【卡尔曼滤波】卡尔曼滤波在雷达目标跟踪中的应用仿真matlab源码
- 收益发放资金回流链路系统的开发
- 关于mybatis中的时间段查询
- 互联网思维（四）——用户第一？还是产品第一？
- 创建时间Time类，并实例化对象访问测试
- Pycharm 出现 进程已结束,退出代码-1073741819 (0xC0000005) 的问题 可能的解决方法