MFC实现ENVI分类影像混淆矩阵（Confusion Matrix）及精度计算（Overall Accuracy和Kappa Coefficient）

不要装B啦

于 2020-05-06 13:41:40 发布

阅读量5.6k

点赞数

分类专栏： ENVI 遥感影像文章标签： visual studio windows

本文链接：https://blog.csdn.net/qq_38595207/article/details/105949007

版权

本文介绍了如何使用MFC在Windows环境下实现ENVI分类影像的混淆矩阵，并通过混淆矩阵计算Overall Accuracy和Kappa Coefficient，以评估分类精度。详细展示了混淆矩阵的计算代码和Kappa系数的计算公式及其应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

混淆矩阵（Confusion Matrix）

混淆矩阵计算代码：

// 打开两幅待比较的分类影像
CFile datClassifyImg(ImgPath1, CFile::modeRead | CFile::typeBinary);// ImgPath1：路径根据自己的路径更换
CFile datGroundTruth(ImgPath2, CFile::modeRead | CFile::typeBinary);// ImgPath2：路径根据自己的路径更换

int nClass = 5;// 根据你的类别数更改
int TotalPixel = samples * lines;// 根据你的图像来确定像素数量

// 混淆矩阵是类别数的方阵
vector<vector<int>>ConfusionMatrix(nClass, vector<int>(nClass));

// 读取两个分类影像，构建混淆矩阵