一、软件
ERDAS做精度验证麻烦,这里采用ENVI 5.6。
二、数据
1.在ERDAS上经过监督分类并处理后的数据
2.研究区域的原始影像
三、原理
1.简述
对分类结果进行评价,确定分类的精度和可靠性。有两种方式用于精度验证:一是混淆矩阵,二是 ROC 曲线,比较常用的为混淆矩阵,ROC 曲线可以用图形的方式表达分类精度,比较抽象。
真实参考源可以使用两种方式:一是标准的分类图,二是选择的感兴趣区(验证样本区)。 真实的感兴趣区验证样本的选择可以是在高分辨率影像上选择,也可以是野外实地调查获取或者对原始影像进行目视解译,原则是获取的类别参考源的真实性。
本例受条件限制,采用混淆矩阵进行精度验证,感兴趣区作为验证样本,感兴趣区域来源为对原始影像的目视解译。
2.混淆矩阵的评价指标
总体分类精度
等于被正确分类的像元总和除以总像元数。被正确分类的像元数目沿着混淆矩阵的对角线分布,总像元数等于所有真实参考源的像元总数。
Kappa 系数
它是通过把所有真实参考的像元总数(N)乘以混淆矩阵对角线(XKK)的和,再减去某一类中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。
四、步骤
1.ERDAS数据转ENVI数据
1.1导入处理后的数据后,对该数据进行新建密度分割。
1.2数据选择。
1.3颜色更改。
1.4导出分类图像。
2.打开原始影像
2.1打开ERDAS格式的数据(.img)。
2.2选择波段进行假彩色合成。本例选择543组合。
3.建立感兴趣区域
3.1右键【转换后的分类处理后数据】,选择【新建感兴趣区域】。
3.2为感兴趣区域命名,并根据原始影像通过目视解译的方式绘制感兴趣区域,绘制兴趣点时要双击鼠标。本例每类绘制20个点,共有6类。
3.3绘制完感兴趣区域结果。
4.混淆矩阵
4.1使用ENVI中的工具箱-图像分类-分类后处理-利用地面真实感兴趣区进行混淆矩阵分析。
4.2选择监督分类后处理的数据 。
4.3对应地物。
4.4选择导出像素、百分比矩阵。
4.5混淆矩阵结果。