ENVI监督分类制图操作.ppt

在statistics input file窗口中选择原始影像： 第六十一页，编辑于星期二：二十一点 二十分。 在class selection 窗口中 全选分类样本中的类别，点OK 第六十二页，编辑于星期二：二十一点 二十分。 勾选基础统计，矩阵以及直方图，使输出结果显示在屏幕上四个复选框。也可以勾选使其输出成文件的形式。 第六十三页，编辑于星期二：二十一点 二十分。 查看统计结果：这里展示了原始影像中文件路径以文件名，整景影像的像元数，分类后各类别像元数，及占总像元数的百分比。 第六十四页，编辑于星期二：二十一点 二十分。 结果验证 选择主菜单-basic tools -region of interest -delete rois,将之前打开的roi文件删除，避免这些roi 干扰分类验证。 选择主菜单-basic tools -region of interest -restore saved roi file,打开“验证样本”文件。 第六十五页，编辑于星期二：二十一点 二十分。 选择主菜单-classification-post classification-confusion matrix-using ground truth rois,选择分类影像。 第六十六页，编辑于星期二：二十一点 二十分。 在弹出的match classes 窗口默认参数，点OK Confusion matrix parameters 窗口中默认参数，点OK 第六十七页，编辑于星期二：二十一点 二十分。 得到分类精度评价混淆矩阵 第六十八页，编辑于星期二：二十一点 二十分。 分类精度评价混淆矩阵分析： 总体分类精度(overall accuracy)：等于被 正确分类的总和除以总像元数。被正确分类的像元数目沿着混淆矩阵的对解线分布，总像元数等于所有真实参考源的像元总数。如： overall accuracy=(31226/32145) 97.1411% Kappa系数(kappa coefficient)：它是通过把所有真实参考的像元总数乘以混淆矩阵对角线的和，再减去某一类中真实参考像元与该类中被分类总数之积之后，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。Kappa系数值越大说明其分类效果越好。 第六十九页，编辑于星期二：二十一点 二十分。 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。如：被分类后耕地一共有6134个像元，其中有5581个耕地像元被分为耕地，81个林地像元被分为耕地，393个居民地像元被分为耕地，以及79个未利用地像元被分为耕地。 水体错分误差为：0 耕地错分误差为：（81+393+79）/ 6134*100%=9.01% 林地错分误差为:100/2313*100%=4.32% 居民地错分误差为：（59+35）/18223*100%=0.51% 未利用地错分误差为：(28+97+47)/3960*100%=4.34% 第七十页，编辑于星期二：二十一点 二十分。 漏分误差：指本身地表真实分类，而没有被分类器分到相应类别中的像元数。如：在本例中的林地类，有真实参考像元2294个，其中2213个正确分类，其余81个被错分为耕地。 水体漏分误差为： 28/1543*100%=1.81% 耕地漏分误差为（59+97）/5737*100%=2.71% 林地漏分误差为： 81/2294*100%=3.53% 居民地漏分误差为：（393+47）/18569*100%=2.37% 未利用地漏分误差为：（79+100+35）/3960=5.4% 第七十一页，编辑于星期二：二十一点 二十分。 制图精度：是指分类器将整个影像的像元正确分为A类的像元数与A类真实参考总数的比率。如：耕地5581个被正确分为耕地，耕地真实值5737个其制图精度为：5581/5737*100%=97.28% 林地：96.47% 水体：98.19% 居民地：97.63% 未利用地：94.65% 第七十二页，编辑于星期二：二十一点 二十分。 用户精度：是指正确分到A类的像元总数与分类器将整个影像分为A类，总数的比率。如：耕地5581个被正确分为耕地，耕地总共被划分为耕地的有6134，其耕地用户精度为：5581/6134*100%=90.98% 水体：100% 居民地：99.48% 林地：95.68% 未利用地：95.66% 第七十三页，编辑于星期二：二十一点 二十分。 快速制图 在打开着分类影像的image窗口中打开：file-quic