ERDAS-对监督分类结果进行精度评估（Accuracy Assessment）

在执行监督分类之后，需要对分类效果进行评价。ERDAS提供了多种分类评价方法，包括分类叠加(classification overlay )、定义阈值(thresholding)、分类编码 (recode classes)、精度评估(accuracy assessment)等。本文主要讲述精度评估方法，使用的是ERDAS 2014。

 

首先打开分类前的影像，然后选择“Raster”→“Supervised”→“Accuracy Assessment”，打开精度评估窗口。

 

 

 选择“File”→“Open”，打开分类结果。

 

 

选择“View”→“Select viewer”，提示选择视窗。点击原影像视窗就可以了。

 

 

选择“View”→“Change colors”，设置没有参考值和有参考值的点的颜色。不设置也可以。

 

 

选择“Edit”→“Create/ Add Random Points”（建立/添加随机点），打开Add Random Points对话框，在Search Count中默认为1024，在Number of Points中默认为256，在Distribution Parameters选择Random单选框，按照参数设置产主随机点。随机点越多精度评价结果越准确，下面只设置了20个随机点。

 

 

点击“Select Classes”按钮，可以查看和编辑栅格的属性。

 

 

返回Accuracy Assessment对话框，可以看到在Accuracy Assessment对话框的数据表中出现了20个检查点，每个点都有点号、X/Y坐标值、Class、Reference等字段，其中点号、X/Y坐标值字段是有属性值的。

 

 

 选择“View”→“Show All”，所有随机点均以设置好的颜色显示在视窗中。选择“Edit”→“Show Class Values”，各点的类别号出现在数据表的Class字段中。

 

 

在数据表的Reference字段输入各个随机点的实际类别值。它在视窗中的色彩将会变为前面设置的Point With Reference的颜色（默认为黄色）

 

 

选择“Report”→“Options”，选择分类评价报告的参数。

选择“Report”→“Accuracy Report”（精度报告）产生分类精度报告。

Kappa系数的计算基于混淆矩阵，用来衡量分类精度。

Kappa系数计算结果为-1~1，但通常kappa是落在 0~1 间，可分为五组来表示不同级别的一致性：0.0~0.20 极低的一致性(slight)、0.21~0.40 一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1 几乎完全一致(almost perfect)。

 

选择“Report”→“Cell Report”产生有关产生随机点的设置及窗口环境报告。

 

 可以选择保存精度评估结果报道。