遥感软件中混淆矩阵是如何产生的

Posted 2023-05-07

在图像精度评价中，混淆矩阵主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。

混淆矩阵是通过将每个实测像元的位置、分类与分类图像中的相应位置和分类像比较计算的。混淆矩阵的每一列代表了实际测得信息，每一列中的数值等于实际测得像元在分类图象中对应于相应类别的数量；混淆矩阵的每一行代表了遥感数据的分类信息，每一行中的数值等于遥感分类像元在实测像元相应类别中的数量。

如有150个样本数据，这些数据分成3类，每类50个。分类结束后得到的混淆矩阵为：

每一行之和为50，表示50个样本，

第一行说明类1的50个样本有43个分类正确，5个错分为类2，2个错分为类3。

软件中生成混淆矩阵都是需要有实测值，或者说是准确的样本数据才行。

一般都是随机产生样本数，然后目视判读（或者实际测得）得到近似实际的值，然后软件自己会根据分类结果和样本之间的分类情况来计算得到的。

参考技术A 遥感混淆矩阵主要用于图像精度评价中，主要用于比较分类结果和地表真实信息。kappa系数常用来衡量精度的大小。在混淆矩阵中，有四个指标：总体精度,生产者精度,用户精度 总体精度。具体遥感专业软件ENVI操作，请参考wenku.baidu.com/view/dbe0cc0102020740be1e9bc6.html

Python遥感图像处理应用篇(二十八)：Python绘制遥感图像分类结果混淆矩阵和计算分类精度

1.使用数据

Indians Pines高光谱数据，使用SVM分类方法（选取10%样本量）计算得到的结果。

参考数据：

分类数据：