SWJTU
分类后处理-众数分析
众数分析 Majority Analysis
1 2 3 4 5 6 7
分 类 后 处 理
用于去除单个类中的虚假像元
利用模板运算实现，模板中心像元被赋值为模板窗口 中占多数的像元的值
3×3窗口分析结果
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
1 2 3 4 5 6 7
人们总是希望从遥感数据中提取的信息完全客观准确地反映
精 度 评 价
实际情况，但由于自然环境的复杂性及自然环境与遥感波谱 相互作用的复杂性，从传感器记录的光谱信号中提取的关于 地表的信息中，总是存在不确定性，因此，在使用从遥感数
据得到的专题图或某一地表参数的分布信息时，需要了解这
SWJTU
分类后处理-类合并和类统计
1 2 3 4 5 6 7
分 类 后 处 理
类合并 Combine Classes
用于合并类
类统计(Class Statistics)
主要用于计算各类的像元数，估算各类地物 的地面面积
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
分 类 后 处 理
地表真实值
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
SVM vs 高斯混合模型+MRF
1 2 3 4 5 6 7
分 类 后 处 理
SVM 水体提取结果
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SVM 水体提 取结果
1 2 3 4 5 6 7
分 类 后 处 理
SVM+Majority Voting 方法
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
返回本节首页
SWJTU
遥感信息提取中的不确定性是当前遥感研究的一个热点。
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
后 处 理 及 精 度 评 价 、 分 类 新 方 法
1 2 3 4 5 6 7
分类后处理 精度评价
分类新方法
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
些信息的不确定性。
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
分类精度分析
遥感图像分类精度分析通常把分类图与标准数据 (Ground
1 2 3 4 5 6 7
精 度 评 价
Truth、图件或地面实测调查) 进行比较，然后用正确分类的 百分比来表示分类精度。 实际工作中，多采用抽样方式以部分像素或部分类别代替
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
1 2 3 4 5 6 7
精 度 评 价
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
Aprod
25446 48.02% 1 Eo 52987
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
用户精度(User’s Accuracy)
1 2 3 4 5 6 7
精 度 评 价
影像类中，某类像元被正确分类为该类的概率，利 用混淆矩阵的行来计算。如水的用户精度：
SWJTU
遥感原理与应用
Remote Sensing Principle and Application
SOUTHWEST
JIAOTONG
UNIVERSITY
SWJTU
遥 感 原 1理 2 3与 4应 5 6用 7课 程 框 架
影像处理基础
影像几何处理
影像辐射处理
遥感传感器
影像处理 遥 感 系 统 影 像 处 理 遥 感 应 用
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
生产者精度(Producer’s Accuracy)
1 2 3 4 5 6 7
精 度 评 价
地面真实类中，某类像元被正确分类为该类的概率，利 用混淆矩阵的列来计算。如植被的生产者精度：
SWJTU
原始多光谱遥感影像
1 2 3 4 5 6 7
分 类 后 处 理
IKONOS 多光谱影像
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
原始多光谱遥感影像与地面真实值
IKONOS 多光谱影像
1 2 3 4 5 6 7
1 2 3 4 5 6 7
high producer’s accuracy and a low user’s accuracy, it is more
精 度 评 价
likely
a) less accurate than other classes.
b) more accurate than other classes. c) over classified (i.e. more pixels are assigned to the class than it actually has). d) under classified (i.e. less pixel are assigned to the class than it
精 度 评 价
定性评价即具有一定专业知识的专家通过目视判断来定性地对 分类结果进行主观评价。 定量评价往往需要采用客观的评价指标进行，常用的评价指标 有总体分类精度(Overall Accuracy)、Kappa系数、每一类的生产 者精度(Producer’s Accuracy)和用户精度(User’s Accuracy) 、错 分误差(Errors of Commission) 、漏分误差(Errors of omission)。 它们都可以通过混淆矩阵(Confusion Matrix)获得。
actually has).
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
错分误差 (Errors of Commission)
1 2 3 4 5 6 7
精 度 评 价
说明其它类像元被错分到该类的概率，利用混淆矩阵
总体精度(Overall Accuracy) 正确分类像元数除以图像像元总数，即
1 2 3 4 5 6 7
精 度 评 价
总体精度＝
正确分类像元数 100％ 总像元数 对角线上像元数之和 ＝ 100％ 总像元数
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
分类后处理-类聚块
类聚块 Clump Classes
1 2 3间上邻近的同一类的区域连成块
用于消除类别图中空间上的不一致(小斑块、空洞等)
通常采用形态学方法进行
3×3窗口分析结果
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
分类后处理-少数分析
少数分析 Minority Analysis
1 2 3 4 5 6 7
分 类 后 处 理
模板中心像元将被赋值为模板窗口中占少数的像元的
值
3×3窗口分析结果
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
分类后处理-类过滤
类过滤 Sieve Classes
1 2 3 4 5 6 7
分 类 后 处 理
用于消除类别图中孤立像元；
通过查找像元8邻域或4邻域中是否存在同一类别的像 元来进行，如有则保留，没有则去除 。
3×3窗口分析结果
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
SWJTU
计算机分类得到的是初步结果，一般难于达到最终目的，
1 2 3 4 5 6 7
分 类 后 处 理
因此，对获取的分类结果需要再进行一些处理，以达到最终 理想的分类结果，这些过程通常称为分类后处理。
分类后处理的内容并无严格限定，视专业需要而定。
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n
整幅图像进行精度分析。
抽样方法：
a. 监督分类的样本区；b. 实验场抽样；c. 随机抽样。
C o p y r i g h t © 2 0 1 5, G u o l i n C a i & L i S h e n