影像信息提取之-----混淆矩阵计算



混淆矩阵计算，我们理解为不同时间段内同一区域内土地利用类型的相互转换关系，其实本质就是遥感动态监测中的分类后比较方法，一般用二维表和图像来表达：

l 二维表

从二维表中可以快速查看各个地类间相互转化的具体情况。比如某一类别的土地有百分之多少（或者面积）分别转化成了其他的土地类型，现在某类型的土地分别是由过去的哪些类别转化而来的等等。

l 变化统计栅格图

它描述了前后两幅土地分类图之间的地类发生转变的空间分布信息。

土地利用类型转换矩阵可以从两幅栅格图（一般是分类结果图像）计算得到，也可以从两个矢量文件中计算获得。如图1为基本的流程图，关键就是两个时相图像的分类。

图1：基本技术流程

ENVI下有两个工具（Change Detection Statistics工具和Thematic Change Workflow工具）可用于计算变换混淆矩阵，下面介绍在ENVI下从两幅分类结果的栅格图中计算土地利用类型转换矩阵。

1      Thematic Change Workflow工具

   利用2008年7月和2009年7月的Landsat TM来监测农业用地的利用变化情况。数据是经过精确几何校正（图像配准）、传感器定标和快速大气校正（Quick Atmospheric Correction）。

   注：大气校正是为了提高精度，可选操作。

图2：监测流程图

1.1监督分类

使用Classification Workflow工具进行监督分类。

打开ENVI 5工具箱中的/Classification/Classification Workflow工具。以2009年数据为例，详细步骤如下：

（1）      点击“Browse”选择输入数据，在Import mask选择一个掩膜文件，点击Next。

（2）      选择“Use Training Data”，可以进行监督分类，点击Next。

注：如果选择“No Training Data”则可以进行非监督分类。

（3）      进行样本选择。根据区域的影像，将土地类型分为绿色耕地、早期/晚期作物、休耕地/居民地、水体、岩石区。通过Class Name修改类别名，通过Class Color修改类别颜色，通过Fill Interior修改是否填充。

（4）      在样本选择结束后，可以勾选“Preview”进行分类结果的预览，同时可以将样本保存为Shapefile文件，可供下次使用。

 

图3：样本属性修改

（5）      点开“Algorithm”选项卡可以进行分类算法的设置，提供四种算法，这里选择最大似然（Maximum Likelihood），点击Next。

（6）      平滑和聚合，可以通过预览功能设置参数。根据需要进行平滑和聚合参数设置。点击Next。

（7）      结果输出。可以输出分类结果栅格文件、矢量文件、统计文件和规则文件等。点击Finish即可完成。

使用同样的流程完成2008年数据的监督分类，分类类别命名与2009年保持一致。

 

图4：2009年图像分类结果

1.2混淆矩阵计算

此步骤使用ENVI 5提供的Thematic Change Workflow工具完成，详细步骤如下：

（1）      打开ENVI 5工具箱的/Change Detection/Thematic Change Workflow。

（2）      选择输入数据。Time 1选择2008年分类结果，Time 2选择2009年分类结果。点击Next。

注：同时可以设定掩膜文件和重投影算法。

（3）      勾选“Only Include Areas That Have Changed”，只得到有变化的区域，同时可以预览结果。点击Next。

（4）      平滑和聚合。根据需要进行参数设置，同时可以进行预览。点击Next。

（5）      结果输出。可以选择输出变化栅格文件、矢量文件和变化统计结果。

 

图5：混淆矩阵的栅格结果

 

图6：变化图斑的属性信息

2      Change Detection Statistics工具

2.1准备数据

两个时相的土地利用分类结果，它是单波段、专题类型的伪彩色图像（ENVI Classification）。这里直接使用上面的分类结果。

2.2计算转换矩阵

打开两个分类结果。

（1）          在Toolbox中，启动/Change Detection/Change Detection Statistics。

（2）          分别在Initial State对话框和final state对话框中选择前一时相和后一时相的土地利用结果。

（3）          在Define Equivalent Classes对话框中，如果两个土地利用分类名称一致，系统自动将Initial State Class和Final State Class对应，否则手动选择，单击Add Pair按钮选择。

（4）          选择对应的地物类型之后，单击OK按钮，出现图2对话框。选择生成图表表示单位（Report Type）：像素（Pixels）、百分比（Percent）和面积（Area）。选择Output Classification Mask Images?为YES，输出掩膜图像，选择输入路径及文件名。

（5）          单击OK，执行土地利用类型转换矩阵计算过程。

 

图7：Define Equivalent Classes对话框

 

图8：选择数据参数

2.3查看结果

（1）           如下图为得到的土地利用类型转换矩阵结果。横字段表示前一时间段（Initial State）的土地利用类别，纵字段为后一时间段（Final State）的土地利用类别。横字段和纵字段交叉处表示变化值，如有365178600平方米“绿色耕地”变化为“早期/晚期作物”。

                                                                                                                                                         

图9：土地利用类型转换矩阵

（2）          还可以为每一个地类生成一个变换掩膜图像，图4所示为其中一个地类的掩膜图像。掩膜图像的灰度值表示变化类型，如这里的2{绿色耕地}表示“绿色耕地”变化为“休耕地/居民地”的像元。

 

图10：变化掩膜图像

3 总结

从上面的操作中可以看到，土地利用类型转换混淆矩阵的计算实际上就是变化检测中的分类后比较法。比较容易计算得到，关键是图像分类。

       ENVI 下的 Change Detection Statistics 工具突出是变化混淆矩阵（二维表）， Thematic Change Workflow 工具突出的是变化图像。