地理信息：影像分类精度评价

　　地理信息：影像分类精度评价

　　1、混淆矩阵

　　混淆矩阵主要用于比较分类结果和地表真实信息，

　　可以把分类结果的精度显示在一个混淆矩阵里面。

　　混淆矩阵是通过将每个地表真实像元的位置与分类影像中的相应位置比较计算的。

　　混淆矩阵的每一列代表了一个地表真实分类，

　　每一列中的数值等于地表真实像元在分类影像中对应于相应类别的数量，

　　有像元数和百分比表示两种。

　　2、总体分类精度

　　总体分类精度等于被正确分类的像元总和除以总像元数，

　　地表真实影像或地表真实感兴趣区限定了像元的真实分类。

　　被正确分类的像元沿着混淆矩阵的对角线分布，它显示出被分类到正确地表真实分类中的像元数。

　　像元总数等于所有地表真实分类中的像元总和。

　　3、Kappa系数

　　Kappa系数是另外一种计算分类精度的方法。

　　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。

　　4、错分误差

　　错分误差是指被分为用户感兴趣的类，而实际上属于另一类的像元，

　　错分误差显示在混淆矩阵的行里面。

　　5、漏分误差

　　漏分误差是指本属于地表真实分类，但没有被分类器分到相应类别中的像元数。

　　漏分误差显示在混淆矩阵的列里。

　　6、制图精度

　　制图精度指假定地表真实为A类，分类器能将一幅图像的像元归为A的概率。

　　7、用户精度

　　用户精度指假定分类器将像元归到A类时，相应的地表真实类别是A的概率。



为您推荐 地理信息：遥感影像解译一般程序