【正文】 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。 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(lèi)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(lèi)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。 用戶(hù)精度 =A/G =100%運(yùn)行誤差 71 分類(lèi)精度分析 ? 對(duì)于類(lèi)別 X, 3） 結(jié)果誤差 (Omission Error)：又稱(chēng) 漏分誤差 ，是 實(shí)際的某一類(lèi) 地物被錯(cuò)誤地分到其它類(lèi)別的百分比。這些數(shù)字或百分比越小，錯(cuò)分率就越小，精度就越高。矩陣中的元素是分屬各類(lèi)的像素?cái)?shù)或其占總像素?cái)?shù)的百分比。這里， n代表類(lèi)別數(shù)。我國(guó)早期分類(lèi)工作中的精度評(píng)價(jià)多是非位置精度評(píng)價(jià)。 66 分類(lèi)精度分析 ? 遙感圖像分類(lèi)精度分析通常把分類(lèi)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(lèi)的百分比來(lái)表示分類(lèi)精度。 64 分類(lèi)后處理 ? 分類(lèi)結(jié)果統(tǒng)計(jì) ?分類(lèi)結(jié)果統(tǒng)計(jì)是圖像分類(lèi)報(bào)告中必須包含的內(nèi)容，包括各類(lèi)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(lèi)的像素?cái)?shù)和占總像素?cái)?shù)的百分比、精度檢驗(yàn)等。監(jiān)督分類(lèi)雖然知道實(shí)際有哪些地物類(lèi)，但同物異譜現(xiàn)象會(huì)產(chǎn)生錯(cuò)誤的分類(lèi)結(jié)果。 例如，在分類(lèi)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(lèi) C，則該像素的類(lèi)別屬性也調(diào)整為 C。每次合并產(chǎn)生樹(shù)結(jié)構(gòu)中的一個(gè)結(jié)點(diǎn)，分類(lèi)樹(shù)有多個(gè)結(jié)點(diǎn)和分枝組成，最下面一層的結(jié)點(diǎn)稱(chēng)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(lèi)。對(duì)于具有三個(gè)特征的正態(tài)分布來(lái)說(shuō)，每一類(lèi)的數(shù)據(jù)就是一個(gè)近似鐘形的立方體。 58 監(jiān)督分類(lèi) ? 最大似然分類(lèi) ?maximum likelihood classification ?定義 ：在兩類(lèi)或多類(lèi)判決中，用統(tǒng)計(jì)方法根據(jù)最大似然比貝葉斯判決準(zhǔn)則法建立非線性判別函數(shù)集而進(jìn)行分類(lèi)的一種圖像分類(lèi)方法。也可以認(rèn)為，一個(gè)點(diǎn)屬于某一類(lèi)，一定與這個(gè)類(lèi)別中心的距離比與其他類(lèi)別中心的距離小。如圖中點(diǎn) I，算出這些距離后，即可確定這些未知像元應(yīng)該屬于離它“最近”的一類(lèi)，假如像元離分析者所確定的任何一個(gè)類(lèi)別平均值的距離都很遠(yuǎn)，則把這種像元?dú)w為“朱知”類(lèi)。 56 監(jiān)督分類(lèi) ? 最小距離分類(lèi) 最小距離法 是利用訓(xùn)練樣本中各類(lèi)別在各波段的均值，根據(jù)各像元與訓(xùn)練樣本平均值距離的大小來(lái)決定其類(lèi)別。 3） 通過(guò)上述判決，如果該像素屬于任何一類(lèi)，則把其類(lèi)別編碼號(hào)填入 分類(lèi)圖像中與該像素相應(yīng)的位置上去。 1iimyN? ?55 監(jiān)督分類(lèi) ? 平行管道分類(lèi) （ 4） 以行、列的順序依次對(duì)圖像中所有的像素進(jìn)行如 下 處理 : 1） 讀其各波段的灰度值 xi xi2 、 xi3和 xi4 。其分類(lèi)判決過(guò)程如下 : （ 1）在計(jì)算機(jī)中開(kāi)辟一個(gè)分類(lèi)圖像數(shù)組。這些矩形窗口的多維類(lèi)似體稱(chēng)為“ 平行六面體 ”。 52 監(jiān)督分類(lèi) ? 平行管道分類(lèi) ? 最小距離分類(lèi) ? 最大似然分類(lèi) 53 監(jiān)督分類(lèi) ? 平行管道分類(lèi) ?考慮到每一類(lèi)別訓(xùn)練集內(nèi)數(shù)值變差范圍，引入 類(lèi)別變差靈敏度 的概念。訓(xùn)練樣本數(shù)據(jù)用來(lái)計(jì)算類(lèi)均值和協(xié)方差矩陣。 選擇訓(xùn)練區(qū)時(shí)應(yīng)注意以下問(wèn)題 : （ 1）訓(xùn)練區(qū)必須具有典型性和代表性，即所含類(lèi)型應(yīng)與研究地域所要區(qū)分的類(lèi)別一致。如果選用的特征的分離性較差，那么應(yīng)該考慮分類(lèi)中不要使用該特征。 ROI中包括的像素?cái)?shù)即為統(tǒng)計(jì)分析中使用的樣本數(shù)。 2）顏色。 .線 :直線或折線主要是線性地物，較窄的河流、道路 .面 :連續(xù)的分布區(qū)。在 ENVI系統(tǒng)中，該區(qū)域稱(chēng)為 ROI，在 ERDAS系統(tǒng)中稱(chēng)為 AOI。在這個(gè)過(guò)程中，利用己知類(lèi)別樣本的特征值求解判別函數(shù)的過(guò)程稱(chēng)之為 學(xué)習(xí)或訓(xùn)練 。 47 監(jiān)督分類(lèi) ? 通過(guò)對(duì)工作地區(qū)圖像的目視判讀、實(shí)地勘查或結(jié)合 GIS，我們可以獲得部分地物的分類(lèi)信息。合并后新類(lèi)別的均值和方差為 : i ij k k jmjikn M n MMnn???2 2 2 22 [ ( ) ] [ ( ) ]i i j i j m j k k j k j m jmjikn M M n M Mnn??? ? ? ? ? ???同時(shí)修改總數(shù) Ni 為 Ni1 ，并把搜索表中的相應(yīng)內(nèi)容進(jìn)行更新。分裂處理結(jié)束后返回第二步作下一次迭代。 和 i39。此時(shí)搜索表中的有關(guān)參數(shù)將作為基準(zhǔn)類(lèi)別參數(shù)，并用于構(gòu)建最終的判別函數(shù)。 第一步 :指定算法控制參數(shù) 41 非監(jiān)督分類(lèi) ? 常用非監(jiān)督分類(lèi)算法 ? ISODATA分類(lèi)算法 第二步 :聚類(lèi)處理 在已選定的初始類(lèi)別參數(shù)的基礎(chǔ)上，按任一種距離判別函數(shù)進(jìn)行分類(lèi)判別，從而獲得每個(gè)初始類(lèi)別的集群成員。 I— 允許迭代的次數(shù)（實(shí)際已迭代的次數(shù)為 L） 。最終得到 K=2個(gè)類(lèi)為 (A)和 (BCD)。因?yàn)樵谶@一步要計(jì)算 k個(gè)聚類(lèi)中心的樣本均值，故稱(chēng)為 K均值算法。 11Z ....12Z 1kZA) Cluster centres are arbitrarily assigned 0 255 0 255 Band A Band B A 32 非監(jiān)督分類(lèi) ? 常用非監(jiān)督分類(lèi)算法 ? K均值分類(lèi)算法 ? K均值算法步驟 ⑵ 設(shè)已進(jìn)行到第 t 步迭代。 29 非監(jiān)督分類(lèi) ? 常用非監(jiān)督分類(lèi)算法 ? K均值分類(lèi)算法 ? 收斂條件 ：對(duì)于圖像中互不相交的任意一個(gè)類(lèi)，計(jì)算該類(lèi)中的像素值與該類(lèi)均值差的平方和。 因而 ， 該法便以搜索總體直方圖局部峰值為原理來(lái)選定初始類(lèi)別的中心 。 4） 在此基礎(chǔ)上 ， 再對(duì)所有各剩余點(diǎn)的最小距離進(jìn)行相互比較 ，取其中最大者 ， 并選擇與該最大的最小距離相應(yīng)的抽樣點(diǎn) （ 例如 ） 作為一個(gè) 新的初始類(lèi)別中心點(diǎn) （ 例如 ） 。 21 非監(jiān)督分類(lèi) ? 初始類(lèi)別參數(shù)的選定 ? ? 該方法是在整幅遙感影像的總體直方圖的基礎(chǔ)上進(jìn)行類(lèi)別中心的選定的。以下為幾種常用的方法。 ?（ 5）比較新的類(lèi)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(lèi)別均值作為聚類(lèi)中心，再?gòu)牡?2步開(kāi)始重復(fù)，進(jìn)行反復(fù)迭代操作。 ? 所以說(shuō)，非監(jiān)督算法的核心問(wèn)題是初始類(lèi)別參數(shù)的選定，以及它的迭代調(diào)整問(wèn)題。它的目的是使得屬于同一類(lèi)別的像素之間的距離盡可能小，而不同類(lèi)別上像素間的距離盡可能大。 ? 非監(jiān)督分類(lèi)的理論依據(jù)： 遙感圖像上的同類(lèi)地物在相同的表面結(jié)構(gòu)特征、植被覆蓋、光照等條件下，一般具有相同或相近的光譜特征，從而表現(xiàn)出某種內(nèi)在的相似性，歸屬于同一個(gè)光譜空間區(qū)域；不同的地物，光譜信息特征不同，歸屬于不同的光譜空間區(qū)域。 14 非監(jiān)督分類(lèi) 根據(jù)事先指定的某一準(zhǔn)則，讓計(jì)算機(jī)自動(dòng)進(jìn)行判 別歸類(lèi)，無(wú)需人為干預(yù)，分類(lèi)后需確定地面類(lèi)別。 當(dāng) cosα的值接近 1的時(shí)候有最好的估計(jì)光譜值和類(lèi)別分類(lèi)結(jié)果。加權(quán)可以這樣理解，計(jì)算的距離與各點(diǎn)群的方差有關(guān)。若 didj，則 k像素屬于 i類(lèi)而不屬于 j類(lèi)，此處，判別準(zhǔn)則為 didj 9 相似性度量 dik為當(dāng)前像素 i到類(lèi) k的距離， P為波段數(shù)， xij為像素 i在 j波段的像素值， Mjk為類(lèi) k在波段 j的均值。也可以認(rèn)為，一個(gè)點(diǎn)屬于某一類(lèi)，一定與這個(gè)類(lèi)別中心的距離比與其他類(lèi)別中心的距離小。像素與點(diǎn)群的