15、高光谱图像光谱解混性能评估与模糊评估方法

高光谱图像光谱解混性能评估与模糊评估方法

1. 基于原始SVM的光谱解混性能评估

光谱解混结果的评估通常包括解混精度、光谱解混分量图和可靠性曲线等。
- 解混精度 ：设像素点总数为 $N_e$，混合类别总数为 $N_c$。第 $i$ 个像素中第 $j$ 类分量的真实比例和解混比例分别为 $P_j^i$ 和 $\hat{P} j^i$，解混精度 $Acc$ 可通过公式 $Acc = \sum {i = 1}^{N_e} \sum_{j = 1}^{N_c} (P_j^i - \hat{P}_j^i)^2$ 计算，这是一个客观的评估指标，也是最方便和常用的评估指标。
- 光谱解混分量图 ：是图像中每个像素中某类分量比例的二维灰度显示，每类对应一个解混分量图。
- 可靠性曲线 ：是二维平面曲线，指示在不同允许解混误差（X轴）下相应样本解混的精度（Y轴）。

在印度农林高光谱数据中分别选取500个两类数据（对应类别标记分别为14和11），平均后得到两种代表性光谱。将每类数据等分为10组，并依次赋予相应系数。在第 $k$ 组中，第一类数据的光谱乘以权重系数 $0.05 + (k - 1) \times 0.1$，第二类数据的光谱乘以权重系数 $0.95 - (k - 1) \times 0.1$，然后通过相应求和得到第 $k$ 组合成数据。以这种方式将两类数据依次合成为500个混合数据。实验中，在上述两类中分别选取剩余的500个数据点作为SVM学习的训练样本，同时用它们得到两种代表性光谱作为LSMA解混过程的光谱端元。