45、图像分类：聚类空间分类与精度评估

图像分类：聚类空间分类与精度评估

1. 聚类空间分类

在图像分类中，混合分类方法通常假定光谱类大体上对应单一的信息类，即单个光谱类不会与多个信息类重叠。然而，光谱类是光谱空间中数据的一种便捷分割，很可能是通过无监督方法（如聚类）生成的；而信息类则是用户为地面区域定义的标签。因此，光谱类和信息类可能会出现大量重叠的情况，这种情况可以通过统计方法处理。

1.1 光谱类与信息类的关系

光谱类是对光谱空间数据的分割，信息类是地面区域的标签，二者可能存在显著重叠。例如，在近红外与可见光红的双光谱图中，展示了原始的34个聚类中心和10个合理化的类别及其信息类标签。

2. 分类精度评估

完成分类后，需要检查结果的准确性，以确定分析目标是否达成。以下是几种常见的评估方法。

2.1 使用像素测试集

评估地图精度的首选方法是从专题地图中独立随机选取像素样本，并将其标签与参考数据确定的实际地面类别进行对比。但这在实际操作中存在挑战，因为需要为随机选取的像素找到对应的地面参考数据。
通常，分析人员会预留标注好的数据作为测试集。测试数据应随机选取像素，以避免相邻像素的相互依赖。不过，随机采样存在面积加权的问题，即大类别可能比小类别有更多的样本点，小类别甚至可能没有样本点。为避免这种情况对小类别精度评估的影响，可采用分层随机采样方法：
1. 用户先确定将图像划分的层。
2. 在每个层内进行随机采样。层可以是专题地图的任何方便的区域分割，如网格单元，但最适合的分层方式是实际的专题类别本身，这样可以有效减少随机采样中的面积偏差。

2.2 误差矩阵