【易康教程】遥感自动解译精度评价-Kappa系数计算等

        自动解译工作永远也无法绕过的一个点永远都是精度评价，本文中基于eCongnition软件进行基于混淆矩阵的精度评价。

第一步—数据准备

本文中采用的数据以及规则集是前文中数据植被提取内容：教程  |  面向对象地类提取(1)-植被。采用数据为Landsat5，影像时相为1994年4月15日。

真值数据为ArcGIS软件生成的随机点共537个，这些数据点基于影像进行目视解译将其分为了两类：(1)植被(2)其他。

真值数据的制作主要分为两部分(1)创建渔网(2)生成随机点(3)随机点赋值

(1)创建渔网

在进行生成随机点之前，首先基于研究区进行创建渔网，工具为数据管理工具>要素类>创建渔网，这里创建渔网主要为了保证随机点的生成能够均匀的分布在整景影像中，而不是集中分布在某一区域导致精度过高或过低。

(2)生成随机点

随机点在渔网内部进行生成，这里选择约束要素类为上一步创建的渔网数据，由于渔网创建的比较密，这里选择每个格网生成1个随机点。

(3)随机点作为真值，需要对其进行目视解译判别地类，这里将其分为植被和其他两个部分。

第二步—真值点转化为样本及TTA mask

精度评价采用的真值为上面通过目视解译所得的真值点，评价数据为自动提取的植被。该部分主要分为四个小部分:(1)棋盘分割引入真值点(2)基于真值点创建地类(3)地类转样本(4)基于样本创建TTA mask(5)保存TTA mask文件。

(1)棋盘分割引入真值点

首先进行棋盘分割，分割对象大小为999999(该值大于影像范围即可)。

(2)基于真值点创建地类

将真值点内的class_name字段属性转化为地类。这里采用assign class by thematic layer算法进行。

(3)地类转样本

将上一步骤中的地类转化为样本，这里通过classified image objects to samples算法进行。

(4)基于样本创建TTA mask

首先进行TTA mask的创建，这里通过工具条Classification>Samples>create TTA mask from samples工具进行。

(5)保存TTA mask文件。

创建过TTA mask文件后，采用Classification>Samples>save TTA mask 进行TTA mask文件的保存。

第三步—基于混淆矩阵精度评价

这里主要对提取的植被和其他两个地类进行精度评价。该部分主要分为4个部分：(1)打开TTA mask文件(2)精度评价

(1)打开TTA mask文件

在样本打开的部分内添加TTA mask文件。注意这里需要添加两次，第1次为添加TTA mask主文件，第2次为添加csv文件。

注意：在第2次添加csv后会弹出是否创建转化表，这里选择否。

(2)确定地类相互关系

这里通过在样本内进行选择确定。在工具Classification>Samples>Edit conversion table内点击Link by name从而确定样本和解译地类的连接关系。

(3)精度评价

精度评价工具在Tools>Accuracy Assessment...

精度评价工具使用如下所示，之后点击存储或查看都可以看到具体精度结果。

由此，前文中所提取的植被精度结果如下，其中kappa系数为0.88，生产者精度为0.937，用户精度为0.853。

实验数据已上传云盘，公众号生态与遥感应用后台回复0914即可获取。