Arcmap之监督分类
- 1 前期准备
- 2.1 最直接的方法
- 2.2 更精确的方法
- 人工生成特征文件
- 自动生成特征文件★★★
- 3. 分类后处理
- 4. 评价分类结果
- 混淆矩阵
- Kappa系数
三种监督分类的区别主要是生成特征文件的方法，
- ISO聚类
- 手动绘制
- 生成特征文件工具
个人认为第三种最为简洁、准确！
遥感影像分类的理论部分
链接：https://pan.baidu.com/s/1OWhWAl7pXr6kJcducppRxA
提取码：lvme
参考自南师大杨昕老师的地学分析课程
1 前期准备
1）创建用于验证的点数据
A.创建点文件，该文件用于遥感影像分类结果的精度评价。
B.点文件中要添加一个名称为“class”的子段，字段内容如下；
（1）Water
（2）Tree
（3）Grass
（4）Buildings
（5）Road/Pavedn
（6）……
C. 为影像中每一类增添20个点，总共20*n个点
2.1 最直接的方法
（1）数据图片需要时TIFF格式的。
（2）选择”空间分析工具“，多元分析，Iso聚类，填好特征文件保存路径和最大分类数。
（3）选择”空间分析工具“，多元分析，最大似然法分类，选择特征文件。
2.2 更精确的方法
人工生成特征文件
各类地物的直方图、散点图尽量不要重叠
自动生成特征文件★★★
（1）可以根据需要设置 剔除分数（Reject Fraction ），例如0.01。这样表示，正确分类的几率不到 1% 的像元就会成为 NoData。
（2）先验概率（priori probability），工具默认使用 Equal 先验概率，会给像元分配可能性最大的分类。但是，如果某些类出现的可能性大于（或小于）平均值，则应将 FILE 先验选项与输入先验概率文件结合使用。输入先验概率文件必须是包含两列的 ASCII 文件。左列中的值表示类 ID。右列中的值表示相应类的先验概率。类别先验概率的有效值必须大于或等于零。如果指定零作为概率，则类无法显示在输出栅格中。指定先验概率的总和必须小于或等于1。
（3）最大似然法分类工具还可以附带可选生成 置信栅格（confidence raster），这样可以了解每个像元的正确分类的概率。
3. 分类后处理
使用重分类，合并子类；
使用块统计，去除噪声。
4. 评价分类结果
这些参数在EVIN中有工具可以计算，本人暂未在arcmap中发现类似工具
混淆矩阵
运行误差与用户精度
结果误差与生产者精度
Kappa系数
