第7章遙感數(shù)字圖像的計(jì)算機(jī)解譯.

1、2022年5月25日面向二十一世紀(jì)課程教材面向二十一世紀(jì)課程教材遙感導(dǎo)論遙感導(dǎo)論電子教案電子教案制作人：賈維花制作人：賈維花第第7 7章章 遙感圖像計(jì)算機(jī)解譯遙感圖像計(jì)算機(jī)解譯概念概念7.1 7.1 遙感數(shù)字圖像的性質(zhì)與特點(diǎn)遙感數(shù)字圖像的性質(zhì)與特點(diǎn) 7.2 7.2 遙感數(shù)字圖像的計(jì)算機(jī)分類遙感數(shù)字圖像的計(jì)算機(jī)分類7.3 7.3 遙感圖像多種特征的抽取遙感圖像多種特征的抽取7.4 7.4 遙感圖像解譯專家系統(tǒng)遙感圖像解譯專家系統(tǒng)遙感數(shù)字圖像遙感數(shù)字圖像計(jì)算機(jī)解譯以遙計(jì)算機(jī)解譯以遙感數(shù)字圖像為研感數(shù)字圖像為研究對(duì)象，在計(jì)算究對(duì)象，在計(jì)算機(jī)系統(tǒng)支持下，機(jī)系統(tǒng)支持下，綜合運(yùn)用地學(xué)分綜合運(yùn)用地學(xué)分析、遙

2、感圖像處析、遙感圖像處理、地理信息系理、地理信息系統(tǒng)、模式識(shí)別與統(tǒng)、模式識(shí)別與人工智能技術(shù)，人工智能技術(shù)，實(shí)現(xiàn)地學(xué)專題信實(shí)現(xiàn)地學(xué)專題信息的智能化獲取。息的智能化獲取。像元像元屬性特征屬性特征空間特征空間特征空間分辨率空間分辨率亮度值亮度值數(shù)字圖像數(shù)字圖像構(gòu)成構(gòu)成單元單元特點(diǎn)特點(diǎn)表示表示方法方法多波多波段數(shù)段數(shù)據(jù)格據(jù)格式式1.1.便于計(jì)算機(jī)處理與分析便于計(jì)算機(jī)處理與分析2.2.圖像信息損失低圖像信息損失低3.3.抽象性強(qiáng)，便于建模。抽象性強(qiáng)，便于建模。二維數(shù)組或矩陣二維數(shù)組或矩陣BSQ(Band sequential)BIP(Band interleaved by pixel)BIL(Band

3、interleaved by line)HDF格式格式( (見(jiàn)見(jiàn)P190P190191)191)返回返回正正像像素素混混合合像像素素7.2 7.2 遙感數(shù)字圖像的計(jì)算機(jī)分類遙感數(shù)字圖像的計(jì)算機(jī)分類1 1分類的原理分類的原理2 2分類的一般過(guò)程分類的一般過(guò)程3 3圖像分類的方法圖像分類的方法4 4圖像分類的有關(guān)問(wèn)題圖像分類的有關(guān)問(wèn)題（見(jiàn)（見(jiàn)P201P201202202）5 5分類精度評(píng)價(jià)分類精度評(píng)價(jià)返回返回 波段： 1 2 3 4同類地物集聚性同類地物集聚性同同類類地地物物集集聚聚性性統(tǒng)計(jì)模式統(tǒng)計(jì)模式識(shí)別識(shí)別像素的像素的相似度相似度統(tǒng)計(jì)特統(tǒng)計(jì)特征變量征變量分類依據(jù)分類依據(jù)分類原理分類原理圖像中的

4、某一類地物稱為模式。屬于該類圖像中的某一類地物稱為模式。屬于該類中的像素稱為樣本。中的像素稱為樣本。X=(xX=(x1 1,x,x2 2,x,xk k) )T T稱為稱為樣本的觀測(cè)值樣本的觀測(cè)值 。利用判別函數(shù)與判別準(zhǔn)則作出決策，從而對(duì)數(shù)字圖像予以識(shí)別地物的地物的光譜特征光譜特征以及對(duì)圖像進(jìn)行處理后以及對(duì)圖像進(jìn)行處理后的特征變量，根據(jù)其的特征變量，根據(jù)其像元的相似度像元的相似度 全局統(tǒng)計(jì)特征變量全局統(tǒng)計(jì)特征變量局部統(tǒng)計(jì)特征變量局部統(tǒng)計(jì)特征變量特征空間中的距離特征空間中的距離特征空間相似系數(shù)特征空間相似系數(shù)絕對(duì)距離絕對(duì)距離歐氏距離歐氏距離馬氏距離馬氏距離混合距離混合距離特征提取特征提取特征空間中

5、的距離特征空間中的距離返回返回計(jì)算機(jī)分類處理的一般過(guò)程計(jì)算機(jī)分類處理的一般過(guò)程原始圖像的預(yù)處理訓(xùn)練區(qū)的選擇特征選擇、特征提取分類運(yùn)算結(jié)果檢驗(yàn)成果輸出返回返回分類過(guò)程分類過(guò)程見(jiàn)見(jiàn)P(195196)監(jiān)督分類監(jiān)督分類非監(jiān)督非監(jiān)督分類分類分類方法分類方法最小距離分類法最小距離分類法 多級(jí)切割分類法多級(jí)切割分類法 特征曲線窗口法特征曲線窗口法最大似然比分類法最大似然比分類法分級(jí)集群法（分級(jí)集群法（Hierarchical Clustering)動(dòng)態(tài)聚類法動(dòng)態(tài)聚類法 （ISODATA)最小距離判別法最小距離判別法最近鄰域分類法最近鄰域分類法返回返回監(jiān)督分類監(jiān)督分類( (Supervised Classif

6、ication) )n監(jiān)督分類是用已知類別的樣本（已經(jīng)被分監(jiān)督分類是用已知類別的樣本（已經(jīng)被分到某一信息類別的像元）對(duì)未知類別的像到某一信息類別的像元）對(duì)未知類別的像元進(jìn)行分類的過(guò)程。元進(jìn)行分類的過(guò)程。 n訓(xùn)練數(shù)據(jù)訓(xùn)練數(shù)據(jù) n訓(xùn)練數(shù)據(jù)選擇的重要性訓(xùn)練數(shù)據(jù)選擇的重要性 監(jiān)督分類監(jiān)督分類優(yōu)點(diǎn)優(yōu)點(diǎn)l分析人員可以控制適用于研究需要和區(qū)域地理特征的信分析人員可以控制適用于研究需要和區(qū)域地理特征的信息類別。息類別。l 可控制訓(xùn)練樣區(qū)和訓(xùn)練樣本的選擇。可控制訓(xùn)練樣區(qū)和訓(xùn)練樣本的選擇。l分析人員運(yùn)用監(jiān)督分類不必?fù)?dān)心光譜類別和信息類別的分析人員運(yùn)用監(jiān)督分類不必?fù)?dān)心光譜類別和信息類別的匹配問(wèn)題。匹配問(wèn)題。l 通過(guò)

7、檢驗(yàn)訓(xùn)練樣本數(shù)據(jù)可確定分類是否正確，估算監(jiān)督通過(guò)檢驗(yàn)訓(xùn)練樣本數(shù)據(jù)可確定分類是否正確，估算監(jiān)督分類中的誤差。分類中的誤差。l避免了非監(jiān)督分類中對(duì)光譜集群類別的重新歸類。避免了非監(jiān)督分類中對(duì)光譜集群類別的重新歸類。 監(jiān)督分類監(jiān)督分類缺點(diǎn)缺點(diǎn) l分類體系和訓(xùn)練樣區(qū)的選擇有主觀因素的影響。分類體系和訓(xùn)練樣區(qū)的選擇有主觀因素的影響。l訓(xùn)練樣區(qū)的代表性問(wèn)題。訓(xùn)練樣區(qū)的代表性問(wèn)題。l有時(shí)訓(xùn)練樣區(qū)的選擇很困難。有時(shí)訓(xùn)練樣區(qū)的選擇很困難。l只能識(shí)別訓(xùn)練樣本所定義的類別，對(duì)于某些未被分析人只能識(shí)別訓(xùn)練樣本所定義的類別，對(duì)于某些未被分析人員定義的類別則不能識(shí)別，容易造成類別的遺漏。員定義的類別則不能識(shí)別，容易造成類

8、別的遺漏。2 訓(xùn)練樣區(qū)的選擇原則n（1）像元的數(shù)量n（2）訓(xùn)練樣區(qū)的大小 由許多像元組成的訓(xùn)練樣區(qū)依據(jù)信息類別的光譜特征進(jìn)行采樣。圖中的陰影區(qū)域表示訓(xùn)練樣區(qū)用來(lái)估計(jì)每種類別的光譜特征。這些信息是對(duì)訓(xùn)練樣區(qū)外像元進(jìn)行分類的基礎(chǔ)。 n（3）訓(xùn)練樣區(qū)的形狀n（4）訓(xùn)練樣區(qū)的位置n（5）訓(xùn)練樣區(qū)的數(shù)量n（6）訓(xùn)練樣區(qū)的放置n（7）訓(xùn)練樣區(qū)的均質(zhì)性左邊訓(xùn)練數(shù)據(jù)的直方圖只有一個(gè)峰，所以它表示訓(xùn)練樣區(qū)是均質(zhì)的，這樣的訓(xùn)練數(shù)據(jù)就適合影像的分類。右邊的直方圖有兩個(gè)峰，從而表示訓(xùn)練數(shù)據(jù)是非均質(zhì)的，因此這樣的訓(xùn)練數(shù)據(jù)不適合影響分類，必須被舍棄或進(jìn)行改進(jìn)。訓(xùn)練數(shù)據(jù)選擇的一般步驟訓(xùn)練數(shù)據(jù)選擇的一般步驟（1）收集信息，包

9、括分類地區(qū)的地圖和航片等。）收集信息，包括分類地區(qū)的地圖和航片等。（2）進(jìn)行野外調(diào)查獲取研究區(qū)域的第一手信息。）進(jìn)行野外調(diào)查獲取研究區(qū)域的第一手信息。（3）設(shè)計(jì)野外調(diào)查路線和內(nèi)容。）設(shè)計(jì)野外調(diào)查路線和內(nèi)容。（4）分類數(shù)字影像預(yù)分析。）分類數(shù)字影像預(yù)分析。（5）找出潛在的訓(xùn)練樣區(qū)。）找出潛在的訓(xùn)練樣區(qū)。（6）定位和繪制訓(xùn)練樣區(qū)。）定位和繪制訓(xùn)練樣區(qū)。（7）檢查每個(gè)訓(xùn)練樣區(qū)的各波段頻率直方圖。）檢查每個(gè)訓(xùn)練樣區(qū)的各波段頻率直方圖。（8）調(diào)整和去除雙峰頻率分布。）調(diào)整和去除雙峰頻率分布。（9）合并訓(xùn)練數(shù)據(jù)信息并用于分類程序，進(jìn)行計(jì)算機(jī)監(jiān)督分）合并訓(xùn)練數(shù)據(jù)信息并用于分類程序，進(jìn)行計(jì)算機(jī)監(jiān)督分 類過(guò)程。

10、類過(guò)程。返回返回 監(jiān)督分類的方法監(jiān)督分類的方法（1）平行算法分類）平行算法分類（2）最小距離分類）最小距離分類（3）ISODATA算法分類算法分類（4）最大似然法分類）最大似然法分類（5）貝葉斯法分類）貝葉斯法分類（6）ECHO分類法分類法n平行算法分類平行算法分類 這種分類方法簡(jiǎn)單、直接、實(shí)用這種分類方法簡(jiǎn)單、直接、實(shí)用 根據(jù)訓(xùn)練樣本的亮度值范圍在多維數(shù)據(jù)空間中形成的盒子（矩形）作根據(jù)訓(xùn)練樣本的亮度值范圍在多維數(shù)據(jù)空間中形成的盒子（矩形）作為分類決策依據(jù)為分類決策依據(jù) 。最小距離法分類最小距離法分類 利用訓(xùn)練數(shù)據(jù)各波段的光譜均值，根據(jù)像元離各訓(xùn)練樣利用訓(xùn)練數(shù)據(jù)各波段的光譜均值，根據(jù)像元離各訓(xùn)

11、練樣本平均值距離的大小，將像元?jiǎng)澐值骄嚯x最短的信息類別中本平均值距離的大小，將像元?jiǎng)澐值骄嚯x最短的信息類別中 最小距離分類法的概念和處理都很簡(jiǎn)潔，但在遙感圖像最小距離分類法的概念和處理都很簡(jiǎn)潔，但在遙感圖像分類中使用并不廣泛分類中使用并不廣泛 ISODATA算法分類算法分類 選擇初始的類別平均估值，這些值可以從訓(xùn)練數(shù)據(jù)中獲得，類似選擇初始的類別平均估值，這些值可以從訓(xùn)練數(shù)據(jù)中獲得，類似于監(jiān)督分類。于監(jiān)督分類。在多維數(shù)據(jù)空間中，依據(jù)像元距訓(xùn)練樣本類別中心（平均值）最在多維數(shù)據(jù)空間中，依據(jù)像元距訓(xùn)練樣本類別中心（平均值）最短距離劃分像元的類別。短距離劃分像元的類別。根據(jù)第根據(jù)第2 2步的像元分類結(jié)

12、果，重新計(jì)算每種類別的平均值。步的像元分類結(jié)果，重新計(jì)算每種類別的平均值。如果第如果第2 2步和第步和第3 3步產(chǎn)生的類別平均值相同或相近，第步產(chǎn)生的類別平均值相同或相近，第3 3步的結(jié)果步的結(jié)果就代表了分類結(jié)果。就代表了分類結(jié)果。如果第如果第2 2步和第步和第3 3步產(chǎn)生的類別平均值不同，這個(gè)過(guò)程就返回到第步產(chǎn)生的類別平均值不同，這個(gè)過(guò)程就返回到第2 2步重復(fù)進(jìn)行計(jì)算和判斷，直到類別的新中心點(diǎn)位置和其前一次的步重復(fù)進(jìn)行計(jì)算和判斷，直到類別的新中心點(diǎn)位置和其前一次的位置相同或相近，分類才結(jié)束。位置相同或相近，分類才結(jié)束。 ISODATA ISODATA兼?zhèn)浔O(jiān)督分類和非監(jiān)督分類特點(diǎn)，屬于兼?zhèn)浔O(jiān)督

13、分類和非監(jiān)督分類特點(diǎn)，屬于“混合混合”的的分類技術(shù)。分類技術(shù)。 算法步驟：算法步驟：最大似然法最大似然法 據(jù)訓(xùn)練樣本的均值和方差，通過(guò)概率評(píng)價(jià)待分類像元與訓(xùn)練樣據(jù)訓(xùn)練樣本的均值和方差，通過(guò)概率評(píng)價(jià)待分類像元與訓(xùn)練樣本之間的相似性，依此對(duì)像元進(jìn)行分類。本之間的相似性，依此對(duì)像元進(jìn)行分類。 最大似然法可以同時(shí)定量地考慮二個(gè)以上的波段和類別，是一最大似然法可以同時(shí)定量地考慮二個(gè)以上的波段和類別，是一種應(yīng)用廣泛而且有效的分類技術(shù)。種應(yīng)用廣泛而且有效的分類技術(shù)。 圖中是兩個(gè)訓(xùn)練樣區(qū)的頻率分布。其中重疊的區(qū)域表示兩種類別共圖中是兩個(gè)訓(xùn)練樣區(qū)的頻率分布。其中重疊的區(qū)域表示兩種類別共有的像元值。重疊區(qū)域內(nèi)的像

14、元值和每種類別頻率分布之間的關(guān)聯(lián)程有的像元值。重疊區(qū)域內(nèi)的像元值和每種類別頻率分布之間的關(guān)聯(lián)程度是決定像元屬于何種類別的基礎(chǔ)。度是決定像元屬于何種類別的基礎(chǔ)。貝葉斯法分類貝葉斯法分類 通過(guò)計(jì)算變量屬于各類的概率，將該變量歸為通過(guò)計(jì)算變量屬于各類的概率，將該變量歸為概率最大的一組。概率最大的一組。 當(dāng)類別在光譜數(shù)據(jù)空間中不容易區(qū)分的或是重當(dāng)類別在光譜數(shù)據(jù)空間中不容易區(qū)分的或是重疊時(shí)，運(yùn)用貝葉斯定理進(jìn)行分類效果特別好。疊時(shí)，運(yùn)用貝葉斯定理進(jìn)行分類效果特別好。 nECHO法分類 ECHO法，是針對(duì)均質(zhì)目標(biāo)的提取和分類法法，是針對(duì)均質(zhì)目標(biāo)的提取和分類法。執(zhí)行監(jiān)督分類的一般步驟執(zhí)行監(jiān)督分類的一般步驟（1

15、）確定分類的類別列表。）確定分類的類別列表。（2）選擇和確定訓(xùn)練數(shù)據(jù)。）選擇和確定訓(xùn)練數(shù)據(jù)。（3）修改類別和訓(xùn)練樣區(qū)，確保訓(xùn)練數(shù)據(jù)的均質(zhì)性。）修改類別和訓(xùn)練樣區(qū)，確保訓(xùn)練數(shù)據(jù)的均質(zhì)性。（4）實(shí)施分類。）實(shí)施分類。（5）評(píng)估分類效果。）評(píng)估分類效果。返回返回非監(jiān)督分類非監(jiān)督分類概念：概念：非監(jiān)督分類是在沒(méi)有先驗(yàn)類別非監(jiān)督分類是在沒(méi)有先驗(yàn)類別( (訓(xùn)練場(chǎng)地訓(xùn)練場(chǎng)地) )作為樣本的作為樣本的條件下，即事先不知道類別特征，主要根據(jù)像元間相似度的條件下，即事先不知道類別特征，主要根據(jù)像元間相似度的大小進(jìn)行歸類合并（將相似度大的像元?dú)w為一類）的方法。大小進(jìn)行歸類合并（將相似度大的像元?dú)w為一類）的方法。采用

16、的聚類分析的方法。采用的聚類分析的方法。主要過(guò)程：主要過(guò)程：1.1.確定初始類別參數(shù)，即確定初始類別數(shù)和類別中心（集群確定初始類別參數(shù)，即確定初始類別數(shù)和類別中心（集群中心）。中心）。2.2.計(jì)算每個(gè)像元所對(duì)應(yīng)的特征矢量與各集群中心的距離。計(jì)算每個(gè)像元所對(duì)應(yīng)的特征矢量與各集群中心的距離。3.3.選與中心距離最短的類別作為這一矢量的所屬類別。選與中心距離最短的類別作為這一矢量的所屬類別。4.4.計(jì)算新的類別均值向量。計(jì)算新的類別均值向量。5.5.比較新的類別均值與原中心位置上的變化。若位置發(fā)生了比較新的類別均值與原中心位置上的變化。若位置發(fā)生了改變，則以新的類別均值作為聚類中心，再?gòu)牡诙介_(kāi)始重

17、改變，則以新的類別均值作為聚類中心，再?gòu)牡诙介_(kāi)始重復(fù)，進(jìn)行反復(fù)迭代操作。復(fù)，進(jìn)行反復(fù)迭代操作。6.6.如果聚類中心不再變化，計(jì)算停止。如果聚類中心不再變化，計(jì)算停止。非監(jiān)督分類特點(diǎn)非監(jiān)督分類特點(diǎn)優(yōu)點(diǎn)優(yōu)點(diǎn) :l非監(jiān)督分類不需要預(yù)先對(duì)所要分類的區(qū)域有廣泛的了解。非監(jiān)督分類不需要預(yù)先對(duì)所要分類的區(qū)域有廣泛的了解。l人為誤差的機(jī)率很小。人為誤差的機(jī)率很小。l面積很小的獨(dú)立地物均能被識(shí)別。面積很小的獨(dú)立地物均能被識(shí)別。 缺點(diǎn)缺點(diǎn): l非監(jiān)督分類形成的光譜類別并不一定與信息類別對(duì)應(yīng)。非監(jiān)督分類形成的光譜類別并不一定與信息類別對(duì)應(yīng)。l分析人員很難控制分類產(chǎn)生的類別并進(jìn)行識(shí)別。分析人員很難控制分類產(chǎn)生的類別

18、并進(jìn)行識(shí)別。l光譜類別的解譯識(shí)別工作量大而復(fù)雜。光譜類別的解譯識(shí)別工作量大而復(fù)雜。返回返回其他分類方法其他分類方法n紋理分類紋理分類n分層分類策略分層分類策略n模糊分類模糊分類n人工神經(jīng)網(wǎng)絡(luò)分類人工神經(jīng)網(wǎng)絡(luò)分類不同分類方法的精度差異不同分類方法的精度差異n分類算法選擇要考慮方便、實(shí)用、運(yùn)分類算法選擇要考慮方便、實(shí)用、運(yùn)算速度與精度的權(quán)衡算速度與精度的權(quán)衡n沒(méi)有哪個(gè)分類器對(duì)所有的分類結(jié)果都沒(méi)有哪個(gè)分類器對(duì)所有的分類結(jié)果都是最好的，需要考慮地面類別與分類是最好的，需要考慮地面類別與分類器的最佳組合模式。器的最佳組合模式。分類中應(yīng)用的輔助數(shù)據(jù)分類中應(yīng)用的輔助數(shù)據(jù)n輔助數(shù)據(jù)是指以非遙感方式獲得的輔助影

19、輔助數(shù)據(jù)是指以非遙感方式獲得的輔助影像分類或遙感影像分析的數(shù)據(jù)。像分類或遙感影像分析的數(shù)據(jù)。 n輔助數(shù)據(jù)有兩方面的應(yīng)用：一是作為單獨(dú)輔助數(shù)據(jù)有兩方面的應(yīng)用：一是作為單獨(dú)的圖層；二是分層分類。的圖層；二是分層分類。圖像分類的有關(guān)問(wèn)題圖像分類的有關(guān)問(wèn)題n未充分利用遙感圖像提供的多種信息未充分利用遙感圖像提供的多種信息 n提高遙感圖像分類精度受到限制提高遙感圖像分類精度受到限制 l大氣狀況影響大氣狀況影響 l下墊面的影響下墊面的影響l其他因素的影響其他因素的影響返回返回分類精度的評(píng)價(jià)分類精度的評(píng)價(jià)l 精度的概念和意義精度的概念和意義l 分類誤差的來(lái)源分類誤差的來(lái)源l 誤差特征誤差特征l 精度評(píng)價(jià)方法

20、精度評(píng)價(jià)方法l 誤差矩陣的應(yīng)用誤差矩陣的應(yīng)用返回返回1 1 精度的概念和意義精度的概念和意義n概念概念 精度是指精度是指“正確性正確性”，即一幅不知道其質(zhì)量的圖，即一幅不知道其質(zhì)量的圖像和一幅假設(shè)準(zhǔn)確的圖像（參考圖）之間的吻合度。像和一幅假設(shè)準(zhǔn)確的圖像（參考圖）之間的吻合度。n意義意義 遙感數(shù)據(jù)分類的精度直接影響由遙感數(shù)據(jù)生成的遙感數(shù)據(jù)分類的精度直接影響由遙感數(shù)據(jù)生成的地圖和報(bào)告的正確性、將這些數(shù)據(jù)應(yīng)用于土地管理的地圖和報(bào)告的正確性、將這些數(shù)據(jù)應(yīng)用于土地管理的價(jià)值、以及用于科學(xué)研究的有效性。價(jià)值、以及用于科學(xué)研究的有效性。 返回返回分類誤差的來(lái)源分類誤差的來(lái)源n主要是由同物異譜和同譜異物、混合

21、像元以及不合主要是由同物異譜和同譜異物、混合像元以及不合理的預(yù)處理等因素引起理的預(yù)處理等因素引起 n混合像元值可能不同于任何一種類別的光譜值，而混合像元值可能不同于任何一種類別的光譜值，而被誤分到其它類別被誤分到其它類別 n遙感圖像的預(yù)處理中進(jìn)行的輻射和幾何校正可能對(duì)遙感圖像的預(yù)處理中進(jìn)行的輻射和幾何校正可能對(duì)后續(xù)分類引入某些誤差后續(xù)分類引入某些誤差 n地面景觀特征也是誤差的重要來(lái)源地面景觀特征也是誤差的重要來(lái)源 返回返回誤差類型和特征誤差類型和特征n主要有兩種類型主要有兩種類型 n分類誤差的特征分類誤差的特征 l位置誤差位置誤差 l分類誤差分類誤差l誤差并非隨機(jī)分布在影像上，而是顯示出空間上

22、的系統(tǒng)性和規(guī)則誤差并非隨機(jī)分布在影像上，而是顯示出空間上的系統(tǒng)性和規(guī)則性。性。l一般來(lái)說(shuō)，錯(cuò)分像元在空間上并不是單獨(dú)出現(xiàn)的，而是按照一定一般來(lái)說(shuō)，錯(cuò)分像元在空間上并不是單獨(dú)出現(xiàn)的，而是按照一定的形狀和分布位置成群出現(xiàn)。的形狀和分布位置成群出現(xiàn)。l誤差與他們屬于的地塊有著明確的空間關(guān)系，如他們傾向于出現(xiàn)誤差與他們屬于的地塊有著明確的空間關(guān)系，如他們傾向于出現(xiàn)在邊緣或地塊內(nèi)部。在邊緣或地塊內(nèi)部。返回返回精度評(píng)價(jià)方法精度評(píng)價(jià)方法 精度評(píng)價(jià)就是進(jìn)行兩幅地圖的比較，其中一幅是基精度評(píng)價(jià)就是進(jìn)行兩幅地圖的比較，其中一幅是基于遙感數(shù)據(jù)的分類圖，也就是需要評(píng)價(jià)的圖，另一幅是于遙感數(shù)據(jù)的分類圖，也就是需要評(píng)價(jià)的

23、圖，另一幅是假設(shè)精確的參考圖，作為比較的標(biāo)準(zhǔn)。假設(shè)精確的參考圖，作為比較的標(biāo)準(zhǔn)。 主要評(píng)價(jià)方法主要評(píng)價(jià)方法l面積精度評(píng)價(jià)法面積精度評(píng)價(jià)法 l位置精度評(píng)價(jià)法位置精度評(píng)價(jià)法l誤差矩陣評(píng)價(jià)法誤差矩陣評(píng)價(jià)法1 1 面積精度評(píng)價(jià)法面積精度評(píng)價(jià)法n比較兩幅圖上每種類別的面積差異，用面積比例表示比較兩幅圖上每種類別的面積差異，用面積比例表示 這里的兩幅影像每種類別面積相似，但邊界位置有很大不同。這種這里的兩幅影像每種類別面積相似，但邊界位置有很大不同。這種評(píng)價(jià)方法會(huì)產(chǎn)生很大的位置誤差。評(píng)價(jià)方法會(huì)產(chǎn)生很大的位置誤差。2 2 位置精度評(píng)價(jià)法位置精度評(píng)價(jià)法n比較兩幅圖位置之間一致性的方法進(jìn)行評(píng)價(jià)比較兩幅圖位置之間

24、一致性的方法進(jìn)行評(píng)價(jià) 這里的兩幅影像每種類別面積相似，但邊界位置有很大不同。這種這里的兩幅影像每種類別面積相似，但邊界位置有很大不同。這種評(píng)價(jià)方法會(huì)產(chǎn)生很大的位置誤差。評(píng)價(jià)方法會(huì)產(chǎn)生很大的位置誤差。誤差矩陣評(píng)價(jià)法誤差矩陣評(píng)價(jià)法表示誤差的標(biāo)準(zhǔn)形式是誤差矩陣，有時(shí)稱為混淆矩陣，它不僅能表表示誤差的標(biāo)準(zhǔn)形式是誤差矩陣，有時(shí)稱為混淆矩陣，它不僅能表示每種類別的總誤差，還能表示類別的誤分（混淆的類別）。示每種類別的總誤差，還能表示類別的誤分（混淆的類別）。 誤差矩陣的示例誤差矩陣的圖解表示4 誤差矩陣的編輯n構(gòu)建誤差矩陣需要分析人員進(jìn)行待評(píng)價(jià)的影像與參考影像之間的點(diǎn)對(duì)點(diǎn)比較，準(zhǔn)確地確定參考影像上的每個(gè)點(diǎn)

25、在分類影像中所對(duì)應(yīng)點(diǎn)的位置。 網(wǎng)格表示的類別圖網(wǎng)格就成為位置精度評(píng)價(jià)的比較單元配準(zhǔn)疊置5 漏分誤差和錯(cuò)分誤差n誤差矩陣能反映各類別的漏分誤差和錯(cuò)分誤差 返回返回5 誤差矩陣的應(yīng)用1 誤差矩陣表示的誤差誤差矩陣表示的誤差l 正確率表示影像上或者樣本中正確分類像元占總像元的比例。l正確率是一種簡(jiǎn)單的精度測(cè)量方法，表示分類的精度。l正確率只能表示分類的相對(duì)有效性，并不能解決分類誤差的所有問(wèn)題。2 正確率的概念正確率的概念3 誤差矩陣的定量評(píng)價(jià)誤差矩陣的定量評(píng)價(jià)4 誤差矩陣的比較誤差矩陣的比較l Kappa法誤差矩陣的比較能確定最適合某分類目標(biāo)的影像數(shù)誤差矩陣的比較能確定最適合某分類目標(biāo)的影像數(shù)據(jù)類型、數(shù)據(jù)獲取時(shí)間、預(yù)處理過(guò)程，分類方法等據(jù)類型、數(shù)據(jù)獲取時(shí)間、預(yù)處理過(guò)程，分類方法等 返回返回監(jiān)督分類和非監(jiān)督分類的區(qū)別監(jiān)督分類和非監(jiān)督分類的區(qū)別根本區(qū)別點(diǎn)根本區(qū)別點(diǎn): : 在于是否利用訓(xùn)練場(chǎng)地來(lái)獲取先驗(yàn)的在于是否利用訓(xùn)練場(chǎng)地來(lái)獲取先驗(yàn)的類別知識(shí)，監(jiān)督分類根據(jù)訓(xùn)練場(chǎng)提供的類別知識(shí)，監(jiān)督分類根據(jù)訓(xùn)練場(chǎng)提供的樣本選擇特征參數(shù)、建立判別函數(shù)，對(duì)樣本選擇特征參數(shù)、建立判別函數(shù)，對(duì)待分類點(diǎn)進(jìn)行分類。非監(jiān)督分類不需要待分類點(diǎn)進(jìn)行分類。非監(jiān)督分類不需要更多的先驗(yàn)知識(shí)，它根據(jù)地物的光譜統(tǒng)更多的先驗(yàn)知識(shí)，它根據(jù)地物的光譜統(tǒng)計(jì)特性進(jìn)行分類。因此，非