【正文】 定的點(diǎn)群； 2） 每一類的每一維數(shù)據(jù)都在自己的數(shù)軸上為正態(tài)分布，該類的多維數(shù)據(jù)就構(gòu)成了一個(gè)多維正態(tài)分布（各類的多維正態(tài)分布模型各有其分布特征，例如，所在位置、形狀、密集或分散的程度等。對(duì)于具有三個(gè)特征的正態(tài)分布來說，每一類的數(shù)據(jù)就是一個(gè)近似鐘形的立方體。不同類形成的“鐘”在高低、粗細(xì)、尖闊等方面都不相同）； 3） 根據(jù)各類的已知數(shù)據(jù)，可以構(gòu)造出各類的多維正態(tài)分布模型（實(shí)際為各類中各數(shù)據(jù)向量的頻率，即概率密度函數(shù)或概率分布函數(shù)）；4） 在此基礎(chǔ)上，對(duì)于任何一個(gè)像素，可反過來求它屬于各類的概率，取最大概率對(duì)應(yīng)的類為分類結(jié)果。 基本原理 最大似然法假設(shè)遙感圖像的每個(gè)波段數(shù)據(jù)都為正態(tài)分布。 60 其他分類方法 ? 決策樹法 基本思想： 首先計(jì)算所有類別之間的距離，合并距離最近的兩類形成一個(gè)新類，然后計(jì)算新類與其它類別之間的距離，重復(fù)前面的工作，直到最終所有類別都合并為一大類，形成整個(gè)樹結(jié)構(gòu)的根部。每次合并產(chǎn)生樹結(jié)構(gòu)中的一個(gè)結(jié)點(diǎn)，分類樹有多個(gè)結(jié)點(diǎn)和分枝組成，最下面一層的結(jié)點(diǎn)稱為 根結(jié)點(diǎn) ，最上面一層的結(jié)點(diǎn)為 終端結(jié)點(diǎn) ，每個(gè)終端結(jié)點(diǎn)包含為原始一類。 61 分類后處理 ? 碎斑處理 ? 類別合并 ? 分類結(jié)果統(tǒng)計(jì) ? 類間可分離性分析 62 分類后處理 ? 碎斑處理 ?指去掉分類圖中過于孤立的那些類的像素，或把它們歸并到包圍相鄰的較連續(xù)分布的那些類。 ?基本思想 大體上是給每個(gè)類規(guī)定一個(gè)應(yīng)保留的最小連片像素?cái)?shù)，然后將小于此數(shù)的孤立像素合并到與其相鄰的或包圍它的較大的連片像素類中。 ?調(diào)整的原理服從“多數(shù)”原則。 例如，在分類圖像中可對(duì)每個(gè)像素進(jìn)行如下處理 :若某像素的 8個(gè)鄰接像素中至少有 6個(gè)像素同屬于某一類 C，則該像素的類別屬性也調(diào)整為 C。否則，保持該像素己分的類別屬性不變。該過程也需要有若干次迭代后才能結(jié)束。 63 分類后處理 ? 類別合并 ?非監(jiān)督分類前不知道實(shí)際有多少地物類，在策略上總是先分出較多的類，然后對(duì)照實(shí)地情況或根據(jù)己有知識(shí)，確定最后需要的類別，因此，需要將某些光譜上不同的類 (光譜類 )合并為一個(gè)地物類。監(jiān)督分類雖然知道實(shí)際有哪些地物類，但同物異譜現(xiàn)象會(huì)產(chǎn)生錯(cuò)誤的分類結(jié)果。 ?分類后處理中的類合并處理，在 ENVI中是對(duì)類進(jìn)行合并的一部分，在 ERDAS中叫做重編碼。其基本思想是將要合并的兩個(gè)或兩個(gè)以上類的編碼和顏色改為相同的編碼和顏色。例如將第 5類 (黃色 )并入第 1類 (紅色 )，只要將第 5類的編碼改為 1，顏色由黃改為紅就可以了。 64 分類后處理 ? 分類結(jié)果統(tǒng)計(jì) ?分類結(jié)果統(tǒng)計(jì)是圖像分類報(bào)告中必須包含的內(nèi)容，包括各類在各波段的平均值、標(biāo)準(zhǔn)差、最低值、最高值、協(xié)方差矩陣、相關(guān)系數(shù)矩陣、特征值、各類的像素?cái)?shù)和占總像素?cái)?shù)的百分比、精度檢驗(yàn)等。 ?根據(jù)這些統(tǒng)計(jì)參數(shù)可以繪制各類的光譜曲線，計(jì)算相應(yīng)的植被指數(shù)等。 65 分類后處理 ? 類間可分離性分析 ?可分離性可用各類之間的距離矩陣來表示。由于距離是類間相似性的一個(gè)重要量度，因而通過該矩陣可確定最為相似的類。 66 分類精度分析 ? 遙感圖像分類精度分析通常把分類圖與標(biāo)準(zhǔn)數(shù)據(jù) (圖件或地面實(shí)測(cè)調(diào)查 )進(jìn)行比較，然后用正確分類的百分比來表示分類精度。 實(shí)際工作中， 多采用抽樣方式以部分像素或部分類別代替整幅圖像來進(jìn)行精度分析 。 ? 遙感圖像分類精度分為非位置精度和位置精度。 非位置精度以一個(gè)簡(jiǎn)單的數(shù)值，如面積、像素?cái)?shù)目等表示分類精度，由于未考慮位置因素，類別之間的錯(cuò)分結(jié)果彼此平衡，在一定程度上抵消了分類誤差，使分類精度偏高。我國(guó)早期分類工作中的精度評(píng)價(jià)多是非位置精度評(píng)價(jià)。 ? 位置精度 分析將分類的類別與其所在的空間位置進(jìn)行統(tǒng)一檢查。目前普遍采用混淆矩陣的方法，即以 Kappa系數(shù)評(píng)價(jià)整個(gè)分類圖的精度，以條件 Kappa系數(shù)評(píng)價(jià)單一類別的精度。 67 分類精度分析 ? ? 68 分類精度分析 ? ?混淆矩陣 (Confusion Matrix)是由 n行 n列組成的矩陣，用來表示分類結(jié)果的精度。這里， n代表類別數(shù)。有時(shí)，該矩陣稱為 誤差矩陣 。 ?混淆矩陣中， 檢驗(yàn)用的實(shí)際類別來源 有三種，一種是分類前選擇的訓(xùn)練區(qū)和訓(xùn)練樣本時(shí)確定的各個(gè)類別及其空間分布圖，另一種是類別己知的局部地段的專業(yè)類型圖，第三種是實(shí)地調(diào)查的結(jié)果。 69 分類精度分析 ? 混淆矩陣的 列方向 (左右 )依次排列著實(shí)際類別 (檢驗(yàn)數(shù)據(jù) )的第 1類，第 2類， … ，第 m類的代碼或名稱；矩陣的 行方向 (上下 )依次排列著分類結(jié)果各類別的第 1類，第 2類， … ，第 m類的代碼或名稱。矩陣中的元素是分屬各類的像素?cái)?shù)或其占總像素?cái)?shù)的百分比。顯然，矩陣 主對(duì)角線 (從左上到右下的對(duì)角線 )上的數(shù)字就是分類正確的像素?cái)?shù)或其百分比。主對(duì)角線上的像素?cái)?shù)越大或百分比越高，分類精度就越高。主對(duì)角線以外的數(shù)字就是錯(cuò)分的像素?cái)?shù)或其百分比。這些數(shù)字或百分比越小，錯(cuò)分率就越小，精度就越高。主對(duì)角線上像素?cái)?shù)的和除以參與計(jì)算混淆矩陣的像素總數(shù)，就是分類精度的初步估計(jì)。 70 分類精度分析 ? 對(duì)于類別 X, 1） 運(yùn)行誤差 (Commit Error)：又稱 錯(cuò)分誤差 ，是 圖像的某一類 的地物被錯(cuò)分到其他類別的百分比。 運(yùn)行誤差 =(E+F) /G 2） 用戶精度 (User‘s Accuracy)：表示從分類結(jié)果圖中任取一個(gè)隨機(jī)樣本，其所具有的類型與地面實(shí)際類型相同的條件概率，表示分類結(jié)果中各類別的可信度，即這幅圖的可靠性。 用戶精度 =A/G =100%運(yùn)行誤差 71 分類精度分析 ? 對(duì)于類別 X, 3） 結(jié)果誤差 (Omission Error)：又稱 漏分誤差 ，是 實(shí)際的某一類 地物被錯(cuò)誤地分到其它類別的百分比。 結(jié)果誤差 =(B+C) /D 4） 生產(chǎn)者精度 (Producer‘s Accuracy)：又稱 制圖精度 。表示實(shí)際的任意一個(gè)隨機(jī)樣本與分類圖上同一地點(diǎn)的分類結(jié)果相一致的條件概率，用于比較各分類方法的好壞。 生產(chǎn)者精度 =A/D =100%結(jié)果誤差 72 分類精度分析 ? 73 分類精度分析 ? Kappa系數(shù)是一個(gè)測(cè)定兩幅圖之間吻合度或精度的指標(biāo)。 Kappa統(tǒng)計(jì)可以表示為 : m 是誤差矩陣中總列數(shù) (即總的類別數(shù) )； xii 是混淆矩陣中第 i行第 i列上像素?cái)?shù)量 (即正確分類的數(shù)目 )； xi+ 和 x+i，分別是第 i行和第 i列的總像素?cái)?shù)量； N 是用于精度評(píng)估的總像素?cái)?shù)量。 分類總體精度與 Kappa的區(qū)別 在于總體精度只用到了位于對(duì)角線上的像素?cái)?shù)量， Kappa則考慮了對(duì)角線上被正確分類的像素，又考慮了不在對(duì)角線上的各種漏分和錯(cuò)分錯(cuò)誤。 74 分類精度分析 ? 研究認(rèn)為， Kappa系數(shù)與分類精度有如下表所示的關(guān)系。 在統(tǒng)計(jì)學(xué)中，一般把 Kappa系數(shù)列為非參數(shù)統(tǒng)計(jì) (檢驗(yàn) )方法，用來衡量?jī)蓚€(gè)人對(duì)同一物體進(jìn)行評(píng)價(jià)時(shí)，其評(píng)定結(jié)論的一致性。 1表示有很好的一致性， 0表示一致性不比可能性 (偶然性 )更好。大于 0. 75表示評(píng)價(jià)人之間有很好的一致性，而小于 0. 40則表示一致性不好。 75 分類精度分析 ? Kappa系數(shù)值的意義