使用ENVI进行精度验证步骤

问题来源

在遥感图像处理中,我们经常会遇到图像分类的问题,有时我们可以通过ENVI自带的方法进行遥感图像分类,然而,在研究过程中,我们可能需要精度更高的分类结果,所以可能会使用自定义的机器学习、深度学习的方法去进行地物分类(当然,也可以是人工解译的方式),最后进行精度验证,那么问题来了,如何进行精度验证?用什么软件进行精度验证?this is a question. 这篇博客主要就是回答这个问题的

实现步骤

我们这里选择了地信遥感邻域常用的遥感图像处理软件ENVI做精度验证,精度验证的具体流程如下:
步骤流程

1.加载图像

这里加载是使用程序或者人工解译分类的.tif图像,当然也可以是ENVI的.dat格式,加载后的原始图像并不能做精度评价,需要转换其为ENVI的class image放可进行精度评价,计算混淆矩阵,具体操作步骤看下面:

  • 加载图像

  • 进行彩色密度分割

    • 位置:New Raster Color Slice
    • 结果
  • 转换为ENVI类型图像

    • 工具位置:Slice>Export Color Slices>Class Image
  • 结果

注:ENVI中的混淆矩阵验证工具只接受ENVI

2.使用ROI工具建立验证样本集

建立验证样本集的方式主要有两种,一是通过ROI直接建立样本集,二是从外部导入shp或者xml文件。

  • 通过ROI建立验证样本
  • 从外部导入已知训练样本(xml文件)

  • 从外部导入已知的训练样本(shp文件)

    • 导入工具
    • 从外部工具选取样本点

      • 直接选取样本点
      • 工具:QGIS

        • 方法:直接创建点要素,然后辅助OSM地图和卫星图像手动生成样本点,
      • 注意:这里的辅助地图也可以是谷歌地图和高德地图,不过选取点要素后需将火星坐标系转换为WGS-84坐标系
    • 从多边形中随机生成样本点

      • 工具:Arcgis

3. 使用混淆矩阵工具评价分类精度

  • 评价过程
  • 结果

4. 导出数据

添加新评论