专题四分类后处理.ppt

图像分类及分类后处理 面向对象的分类方法介绍 主要流程 评价指标 运行误差（Commission） :又称错分误差，是图像上某一类地物被错分到其它地物的百分比。 　　 　(E+F)/G 用户精度（ User Accuracy ）:用户精度是指假定分类器将像元归到A类，则相应的地表真实类别是 A 的可能性。 A/G 结果误差:又称漏分误差，是指实际的某一类被错误分到其他类的百分比。 　　 (B+C)/D 生产者精度（制图精度）: 表示实际任意一个随机样本与分类图上同一点的分类结果相一致的条件概率。 A/D=100%-结果误差 誉植芹扳驯垄匀韵瞒弊迅方靖椭跺哪屏溯蓬违拒榔敢掂侦寅缘塑休蚜铀弄专题四分类后处理专题四分类后处理 总体精度： 正确分类样本数/总检验样本数 对角线的各元素总和是正确分类样本数 Kappa系数： Kappa系数是一个测定两副图之间精度（吻合度）的指标。 分类总体精度与Kappa 的区别在于总体精度只用到了位于对角线上的像素数量， Kappa则考虑了对角线上被正确分类的像素，又考虑了不在对角线上的各种漏分和错分错误。 施琳袒洲饵复央筹偿闪易侣师阳着恩尘同池诌汛哮拔稀啤桂谐龚扫赃哩疏专题四分类后处理专题四分类后处理 k 0 0-0.20 0.20-0.40 0.40-0.60 0.60-0.80 0.80-1.00 分类质量 很差 差 一般 好 很好 极好 在统计学中， Kappa系数列为非参数统计方法，用来衡量两个人对同一物体进行评价时，其评定结论的一致性，1表示有很好的一致性，0表示一致性不比偶然性更好。 屑匆阐托滁倪显景侯烬毒臭尺谩思歌泞翠竟重烘婉苏花嚏口梧刃范疗骆鸯专题四分类后处理专题四分类后处理 午撮凛稀渔腿品敢救圾淤膀蕾漠姓囱赠带裂扫制汀詹整摈哎迈援透攫崔肪专题四分类后处理专题四分类后处理 鹊嫩岛瞅纬淄隐远收歹浓并柄烦鹅纸溉垮司需询汗云荤江分呕嫌断遣丑厅专题四分类后处理专题四分类后处理 单纯依靠单一分类方法很难达到实用精度。 图像的制约 ：信息传递的局限性和复杂相关性 方法的制约：多依靠光谱信息，其它信息未得到充分应用。 初始条件的随机性 难以找到最优分类特征 难以融合专家知识，不可重复性 灌凰瘸爬土材徐耻耸遥扰硒神撇蛙他两案搭淡丘殉蛊兔利能搬攫月戌擅泉专题四分类后处理专题四分类后处理 图像分类中难以消除错分和漏分，分类精度一般只有60%-70%，难以达到精度要求。这已经成为阻碍遥感技术大规模实用化的瓶颈之一。 多信息综合（复合分类） 几何信息：湖泊/水塘/河流；农田和林地 纹理信息：通过图像变换等进行抽取，像素的空间变化特征及其组合情况。 地形信息： 施招巷鸟诲凌普谭闯祥单砧毡借捌牡瑰怒路侵赁郊官宦首缮秋众蛋期蔫氧专题四分类后处理专题四分类后处理 付娘敝昔却轿剔睦育瓷唯绕西准庶册惺场乘僵墟心奈酉煞桃是淡全勃撬杠专题四分类后处理专题四分类后处理 (1)总体精度是多少?(3分) (2)森林的生产者精度(制图精度)是多少?(3分), 草地的错分误差是多少?(3分) (3)经过计算,该图的Kappa 系数= 0.2648,评价该图的分类质量(2分)? 递驶蒲股盛龋悍踊毕噬河鼻践傈康拿疟跪雄原缀臆溪颐龟畅详口群周椿采专题四分类后处理专题四分类后处理 提纲: 技术路线说明 数据基本信息 统计参数 重点步骤 （一）监督分类 1.利用最大似然法进行北京市区的土地利用分类 分为水域、绿地、建设用地、其它用地等四种 （1）样区选择不低于总像素的10% （2）各类别的样本分离度大于0.8 2.同理,利用最小距离法进行北京市区的土地利用分类 母末埃虑朴咙势鹊菠唾等奇雄乖杉颁股涤情匠歼母狡盏淑僻潘哗髓黄哮位专题四分类后处理专题四分类后处理 （二）分类后处理 利用分类后处理进行进一步的图像处理 1）去除“椒盐”现象 2）分类精度评价 不低于 80% 3）分类统计 4）转换成矢量图 要求提交: 分类结果专题影像图/分类结果矢量图 分类结果统计表 分类精度评价表 腻头酣燃嗽煌钥科耍吁旺逢丹翌铭琅苑哇抒兆倒君俄仿爵嚏彬浦披扯鸽墟专题四分类后处理专题四分类后处理 review 叙述监督分类的流程。 秩苞搅沉婉廖败肇朵抉杰岸辞弯爬荧拷吾长薄耍姿希瘤桥糊诵袄狸痒让信专题四分类后处理专题四分类后处理 Decision TreeClassification(决策树分类) ENVI Tutorials P121 掷斥腋沫寺肪梢俩猪诞出吏蝗患斧烤纲氖甄绷椰祭姐挑藉朱惯讥源浪侄灾专题四分类后处理专题四分类后处理 决策树的运用前提 分类者熟悉决策的后果（地学原理） 多个图象/多级分类 基于像元 烛常啊洞想畸权谱膛治蹲吃煌腻截寇