地理信息：影像分類精度評價

　　1、混淆矩陣

　　混淆矩陣主要用于比較分類結果和地表真實信息，

　　可以把分類結果的精度顯示在一個混淆矩陣里面。

　　混淆矩陣是通過將每個地表真實像元的位置與分類影像中的相應位置比較計算的。

　　混淆矩陣的每一列代表了一個地表真實分類，

　　每一列中的數值等于地表真實像元在分類影像中對應于相應類別的數量，

　　有像元數和百分比表示兩種。

　　2、總體分類精度

　　總體分類精度等于被正確分類的像元總和除以總像元數，

　　地表真實影像或地表真實感興趣區限定了像元的真實分類。

　　被正確分類的像元沿著混淆矩陣的對角線分布，它顯示出被分類到正確地表真實分類中的像元數。

　　像元總數等于所有地表真實分類中的像元總和。

　　3、Kappa系數

　　Kappa系數是另外一種計算分類精度的方法。

　　它是通過把所有真實參考的像元總數乘以混淆矩陣對角線的和，

　　再減去某一類真實參考像元數與該類中被分類像元總數之積之后，

　　再除以像元總數的平方減去某一類中真實參考像元總數與該類中被分類像元總數之積對所有類別求和的結果。

　　4、錯分誤差

　　錯分誤差是指被分為用戶感興趣的類，而實際上屬于另一類的像元，

　　錯分誤差顯示在混淆矩陣的行里面。

　　5、漏分誤差

　　漏分誤差是指本屬于地表真實分類，但沒有被分類器分到相應類別中的像元數。

　　漏分誤差顯示在混淆矩陣的列里。

　　6、制圖精度

　　制圖精度指假定地表真實為A類，分類器能將一幅圖像的像元歸為A的概率。

　　7、用戶精度

　　用戶精度指假定分類器將像元歸到A類時，相應的地表真實類別是A的概率。



為您推薦 地理信息：遙感影像解譯一般程序