點(diǎn)擊關(guān)注 關(guān)注我們吧~

我們繼續(xù)接《ENVI遙感圖像監(jiān)督分類！超詳細(xì)教學(xué)（上）！》講解接下來(lái)的部分。

第四步：影像分類

基于傳統(tǒng)統(tǒng)計(jì)分析的分類方法參數(shù)設(shè)置比較簡(jiǎn)單在
Toolbox/Classification/Supervised Classification能找到相應(yīng)的分類方法。這里選擇支持向量機(jī)分類方法。在toolbox中選擇/Classification/Supervised Classification/Support Vector Machine Classification，選擇待分類影像，點(diǎn)擊OK，按照默認(rèn)設(shè)置參數(shù)輸出分類結(jié)果。

第五步：分類后處理

包括更改類別顏色、分類后統(tǒng)計(jì)、小斑塊處理、柵矢轉(zhuǎn)換等，這部分專門(mén)有一節(jié)課講解。在此不做敘述。

第六步：精度驗(yàn)證

對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)，確定分類的精度和可靠性。有兩種方式用于精度驗(yàn)證：一是混淆矩陣，二是 ROC 曲線，比較常用的為混淆矩陣，ROC 曲線可以用圖形的方式表達(dá)分類精度，比較抽象。

真實(shí)參考源可以使用兩種方式：一是標(biāo)準(zhǔn)的分類圖，二是選擇的感興趣區(qū)（驗(yàn)證樣本區(qū)）。兩種方式的選擇都可以通過(guò)主菜單->Classification->Post Classification->Confusion Matrix 或者 ROC Curves 來(lái)選擇。

真實(shí)的感興趣區(qū)驗(yàn)證樣本的選擇可以是在高分辨率影像上選擇，也可以是野外實(shí)地調(diào)查獲取，原則是獲取的類別參考源的真實(shí)性。由于沒(méi)有更高分辨率的數(shù)據(jù)源，本例中就把原分類的TM影像當(dāng)作是高分辨率影像，在上面進(jìn)行目視解譯得到真實(shí)參考源。

（1） 在 Data Manager 中，分類樣本上右鍵選擇 Close，將分類樣本從軟件中移除。

（2） 直接利用 ROI 工具，跟分類樣本選擇的方法一樣，即重復(fù)第二步，在 TM 圖上選擇6類驗(yàn)證樣本。

注：可直接File>open，打開(kāi)can_tm-驗(yàn)證樣本.roi。

（3）在Toolbox中，選擇/Classification/Post Classification/Confusion Matrix Using Ground Truth ROIs，選擇分類結(jié)果，軟件會(huì)根據(jù)分類代碼自動(dòng)匹配，如不正確可以手動(dòng)更改。

點(diǎn)擊 OK 后選擇報(bào)表的表示方法（像素和百分比），點(diǎn)擊 OK，就可以得到精度報(bào)表。

下面對(duì)混淆矩陣中的幾項(xiàng)評(píng)價(jià)指標(biāo)進(jìn)行說(shuō)明：

總體分類精度

等于被正確分類的像元總和除以總像元數(shù)。被正確分類的像元數(shù)目沿著混淆矩陣的對(duì)角線分布，總像元數(shù)等于所有真實(shí)參考源的像元總數(shù)，如本次精度分類精度表中的 Overall Accuracy =(1849/2346) 78.8150%。

Kappa 系數(shù)

它是通過(guò)把所有真實(shí)參考的像元總數(shù)（N）乘以混淆矩陣對(duì)角線（XKK）的和，再減去某一類中真實(shí)參考像元數(shù)與該類中被分類像元總數(shù)之積之后，再除以像元總數(shù)的平方減去某一類中真實(shí)參考像元總數(shù)與該類中被分類像元總數(shù)之積對(duì)所有類別求和的結(jié)果。

錯(cuò)分誤差

指被分為用戶感興趣的類，而實(shí)際屬于另一類的像元，它顯示在混淆矩陣?yán)锩?。本例中，林地?19個(gè)真實(shí)參考像元，其中正確分類265，12個(gè)是其他類別錯(cuò)分為林地（混淆矩陣中林地一行其他類的總和），那么其錯(cuò)分誤差為 12/419=2.9%。

漏分誤差

指本身屬于地表真實(shí)分類，當(dāng)沒(méi)有被分類器分到相應(yīng)類別中的像元數(shù)。如在本例中的耕地類，有真實(shí)參考像元465個(gè)，其中462個(gè)正確分類，其余3個(gè)被錯(cuò)分為其余類（混淆矩陣中耕地類中一列里其他類的總和），漏分誤差為 3/465=0.6%

制圖精度

是指分類器將整個(gè)影像的像元正確分為A類的像元數(shù)（對(duì)角線值）與A類真實(shí)參考總數(shù)（混淆矩陣中A類列的總和）的比率。如本例中林地有419個(gè)真實(shí)參考像元，其中265個(gè)正確分類，因此林地的制圖精度是265/419=63.25%。

用戶精度

是指正確分到A類的像元總數(shù)（對(duì)角線值）與分類器將整個(gè)影像的像元分為A類的像元總數(shù)（混淆矩陣中A類行的總和）比率。如本例中林地有265個(gè)正確分類，總共劃分為林地的有277，所以林地的用戶精度是265/277=95.67%。

注：監(jiān)督分類中的樣本選擇和分類器的選擇比較關(guān)鍵。在樣本選擇時(shí)，為了更加清楚的查看地物類型，可以適當(dāng)?shù)膶?duì)圖像做一些增強(qiáng)處理，如主成分分析、最小噪聲變換、波段組合等操作，便于樣本的選擇；分類器的選擇需要根據(jù)數(shù)據(jù)源和影像的質(zhì)量來(lái)選擇，比如支持向量機(jī)對(duì)高分辨率、四個(gè)波段的影像效果比較好。