第五节 误差与精度评价一、误差及其来源任何分类都会产生不同程度的误差。分析误差的来源和特征既是对分类过程的检验,也是改进分类方法的主要前提。分类误差主要有两类,一类是位置误差,即各类别边界的不准确;另一类是属性误差,即类别识别错误。分类误差的来源很多,遥感成像过程、图像处理过程、分类过程以及地表特征等都会产生不同程度和不同类型的误差。遥感成像过程中,遥感平台翻滚、俯仰和偏航等姿态的不稳定会造成图像的几何畸变;传感器本身性能和工作状态也有可能造成几何畸变或辐射畸变;大气中的雾、 霾、灰尘等杂质必然造成图像中的辐射误差;地形的起伏会使图像中产生像点位移造成几何畸变;坡度也会影响地表的接受的辐射和反射水平,造成辐射误差。遥感图像分类前,一般都要进行辐射校正、几何校正、研究区的拼接与裁切等预处理。在这些图像处理过程中,由于模型的不完善或控制点选取不准确等人为因素的影响,处理后的图像中仍然可能存在残留的几何畸变和辐射畸变。此外,几何校正中像元亮度的重采样所造成的信息丢失是无法避免的,对分类结果也将产生一定影响。地表各种地物的特征直接影响分类的精度。一般来说, 地表景观结构越简单,越容易获得较高的分类精度,而类别复杂、破碎的地表景观则容易产生较大的分类误差。因此,各类别之间的差异性和对比度对分类精度有显著影响。图像分类过程中,分类方法、各种参数的选择、训练样本的提取,分类时所采用的分类系统与数据资料的匹配程度也会影响分类结果。不论是采用何种算法模型,目前还没有任何一种方法堪称完美,其分类结果中都会出现错分的现象。遥感图像的空间分辨率、光谱分辨率和辐射分辨率的高低也是影响分类精度的重要因素。有些分类结果精度不高,不是分类方法的问题,而是直接受制于图像本身的特征。上述各个环节所产生的误差,最终都有可能累积并传递到分类结果中,形成分类误差。因此, 分类误差是一种综合误差,很难把它们区分开来。分析发现,分类误差在图像中并不是随机分布的, 而是与某些地物类别的分布相关联,从而呈现出一定的系统性和规律性。了解和分析分类误差产生的原因和分布特征,对分类结果的修订或分类方法的改进都具有重要意义。二、精度评价的方法遥感图像分类精度的评价是把分类结果与检验数据进行比较以得到分类效果的过程。精度评价中所使用的检验数据可以来自于实地调查数据或参考图像。参考图像包括分类的训练样本、更高空间分辨率的遥...