如何使用ENVI进行精度验证步骤

最新推荐文章于 2024-09-11 20:46:15 发布
最新推荐文章于 2024-09-11 20:46:15 发布
阅读量4.5w 收藏 530
点赞数 57
分类专栏： 地理信息与遥感
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/hqs_09/article/details/110960449
版权
这篇博客介绍了如何使用ENVI进行遥感图像分类的精度验证。首先，加载图像并转换为ENVI格式，然后利用ROI工具建立验证样本集，接着使用混淆矩阵工具评价分类精度，最后导出数据。精度验证对于确保分类结果的准确性至关重要。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题来源

在遥感图像处理中，我们经常会遇到图像分类的问题，有时我们可以通过ENVI自带的方法进行遥感图像分类，然而，在研究过程中，我们可能需要精度更高的分类结果，所以可能会使用自定义的机器学习、深度学习的方法去进行地物分类（当然，也可以是人工解译的方式），最后进行精度验证，那么问题来了，如何进行精度验证？用什么软件进行精度验证？this is a question. 这篇博客主要就是回答这个问题的

实现步骤

我们这里选择了地信遥感邻域常用的遥感图像处理软件ENVI做精度验证，精度验证的具体流程如下：
在这里插入图片描述

1.加载图像

这里加载是使用程序或者人工解译分类的.tif图像，当然也可以是ENVI的.dat格式,加载后的原始图像并不能做精度评价，需要转换其为ENVI的class image放可进行精度评价，计算混淆矩阵，具体操作步骤看下面：

  1. 加载图像

在这里插入图片描述

  1. 进行彩色密度分割
  • 位置&#
最低0.47元/天 解锁文章
ENVI入门系列教程---二、图像分析---11.分类后处理
胡侃有料的博客
04-09 1万+
every blog every motto: Nothing is impossible! 0. 前言 0.0 分类后处理类型 小斑块去除 – Majority 和 Minority分析 – 聚类处理(Clump) – 过滤处理（Sieve) 分类统计 分类叠加 分类结果转矢量 ENVI Cliassic 分类后处理（手动编辑） 精度评价 0.1 小斑块去除 0.1.1 Majority...
【遥感分类】目视解译分类精度评价
越努力，越幸运
08-15 8575
引：网上已有很多ENVI遥感影像分类教程，但基本都是关于【使用ENVI分类器进行遥感影像分类→继续使用ENVI进行精度评价】，缺少关于【使用ArcGIS目视解译进行遥感影像分类→转换文件格式再使用ENVI进行精度评价】（此即本文关注点）的教程。 注：因我对遥感影像分类、对ENVI不够熟悉，故原理与实践上可能有错误之处，望各路大神批评指正。 转为ENVI支持的分类文件 将外部程序生成的分类文件转为ENVI可识别的分类图（ArcGIS解译后的面文件→ENVI支持的分类文件） 参考：https:
【ENVI】精度验证——基于感兴趣区进行混淆矩阵分析
m0_73628219的博客
01-09 1万+
ERDAS做精度评价验证，这里采用ENVI 5.6。本例采用混淆矩阵进行精度验证，感兴趣区作为验证样本，感兴趣区域来源为对原始影像的目视解译。
Envi监督分类及精度验证
jiekeheiguanglan的博客
01-11 2万+
envi监督分类及精度验证
envi精度评定_envi分类精度评价操作步骤
weixin_33891841的博客
02-01 8760
envi分类精度评价操作步骤 分类精度评价主要有两种方式：混合矩阵、ROC 曲线。其中混合矩阵是以数据的形式表示 分类的精度，而 ROC 曲线的用线条来表示精度。 这里主要整理一下混合矩阵中的两种方式 首先对被分类的原图像再次进行一次 ROI 的选择，这次的感兴趣区的选择尽量只选择纯净 像元， 这样使得分类的精度较高， 或者在跟原图像同一区域范围的高精度图像上进行感兴趣区的 选取。这次的感兴趣定义...
Ecognition解译的影像用Google earth、envi精度验证
Along6的博客
10-26 1630
Envi精度验证 Matrial: 高精度影像（classification by ecognition） Export shp Create a fish in arcgis（数据管理工具-要素类-创建渔网【模板范围与TIFF相同，像元高度，像元宽度可以多次调试】） Random point use fish Interacter point & TIFF（因为上一步得到的随机点是矩形状的，现在就是为了得到一个和研究区大小一致的随机点，方便后续的精度验证） Load point in
ENVI软件对Landsat-8数据进行辐射定标、大气校正、提取NDVI、估算植被覆盖度等操作【图说GIS】
热门推荐
ONEGISER的博客
04-21 9万+
本系列文章会介绍在ENVI软件对Landsat-8数据进行辐射定标、大气校正、几何校正、投影转换、图像裁剪与镶嵌、提取NDVI、估算植被覆盖度等操作，内容会逐步利用业余时间添加，暂时只有部分内容，敬请期待，如有不当的地方，欢迎大家批评指正。先来了解几个概念。DN值（Digital Number ）遥感影像像元亮度值，记录地物的灰度值，无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等相关。反映地物的辐射率radiance地表反射率。
envi精度评定_利用ArcGIS+envi实现遥感分类精度评价（分层抽样法）,ArcGISENVI,评估,的...
weixin_31002509的博客
03-04 6057
最近修改论文已经到了最后的关口，结果被质疑分类精度评估的方法。我原来的方法是利用ArcGIS建立格网，格网中心点作为我的目视解译点，然后利用ArcGIS收集该点的影像分类结果，计算混淆矩阵。被质疑之后我使用了分层抽样法，原理我就不说了，通过分层抽样法可以计算出一幅影像每个类别需要的抽样点为多少。之后在分类影像上每个类别的点随机撒在该类别的位置，再人工目视解译，与影像分类结果一起计算混淆矩阵即可。我...
ENVI监督分类及精度评价
zhoulong_giser
02-24 5万+
最近协助同学做了完整的监督分类数据，特此记录下来。对于ENVI监督分类，是每一个遥感从业者掌握的最基础的一个方法，但是完整的监督分类流程和精度评价，估计往往认识不够，所以以下的分享还是有点意义。 监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练...
【遥感解译实验】利用ENVI绘制遥感影像监督分类专题图，并利用混淆矩阵进行精度评价——基于Landsat5TM影像的LUCC信息提取
最新发布
weixin_73805919的博客
09-11 3867
此次遥感影像监督分类的实践经历，不仅让我巩固了课堂上学到的理论知识，还使我熟练掌握了使用ENVI软件进行遥感影像监督分类的具体步骤，并认识到监督分类在遥感影像处理中的关键作用。例如，采用波段组合4、3、2的影像，林地呈现深红色，草地为深紫色，而耕地则呈现粉红色，这有助于我们进行精准的分类。当影像中的地物种类普遍且光谱特征差异不大时，监督分类尤为适用，它能有效地提取常见地物，如土地类型、植被覆盖、森林、农田、道路、水体和沙漠等，广泛应用于城市规划、土地管理和道路网络建设等领域。（3）计算样本的可分离性。
ENVI图像处理（7）：图像配准
遇事不决，问春风
05-19 1万+
引起图像几何变形一般分为两大类：系统性和非系统性。 系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正 非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 常说的几何校正，就是要消除这些非系统性几何形变。 图像配准：图像配准就是设法建立两幅图像之间的对应关系，确定相应几何变换参数，对两幅图像中的一幅进行几何变换的方法。 图像配准和几何变换的差异：两者的过程完全一样，但是意义和目的不同。几何校正注重的是数据本身
遥感影像分类精度评价
03-20
对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。 对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每一类的制图精度和拥护精度。
用ENVI评价分类精度
yy_nju的专栏
12-30 1万+
（1）首先需要将外部程序生成的分类文件转化为ENVI可以识别的分类图，方法如下： Envi打开图像->Tools->Color Mapping->Density Slice->Set default numer of ranges(设置为聚类数目)->Applydefault ranges->output ranges to class image （2）对分类结果进行合并与命名，
MFC实现ENVI分类影像混淆矩阵（Confusion Matrix）及精度计算（Overall Accuracy和Kappa Coefficient）
BBD的博客
05-06 5634
混淆矩阵（Confusion Matrix） 混淆矩阵计算代码： // 打开两幅待比较的分类影像 CFile datClassifyImg(ImgPath1, CFile::modeRead | CFile::typeBinary);// ImgPath1：路径根据自己的路径更换 CFile datGroundTruth(ImgPath2, CFile::modeRead | CFile::typ...
利用envi计算二分类（多分类）精度评价指标
qq_51500136的博客
09-27 471
利用envi计算二分类（多分类）精度评价指标及混淆矩阵计算 - 小澳子 - 博客园 (cnblogs.com)
机器学习 - 混淆矩阵：技术与实战全方位解析
TechLead
10-16 5498
本文深入探讨了机器学习中的混淆矩阵概念，包括其数学原理、Python实现，以及在实际应用中的重要性。我们通过一个肺癌诊断的实例来演示如何使用混淆矩阵进行模型评估，并提出了多个独特的技术洞见。文章旨在为读者提供全面而深入的理解，从基础到高级应用。
精度检验方法（之二分类）
lwbCUMT的博客
07-14 1437
1
Google Earth Engine（GEE）——机器学习（监督分类）的精度评定——混淆矩阵！
此星光明博客
08-19 3800
要评估分类器的准确性，请使用ConfusionMatrix(Stehman 1997)。以下示例用于sample()从 MODIS 参考图像生成训练和验证数据，并比较表示训练和验证准确度的混淆矩阵： 函数： confusionMatrix() 根据其训练数据（即：重新代入误差）计算分类器的 2D 混淆矩阵。矩阵的轴 0 对应于输入类，轴 1 对应于输出类。行和列从类 0 开始并按顺序增加到最大类值，因此如果输入类不是基于 0 的或顺序的，则某些行或列可能为空。 Computes a 2D c...
ENVI监督分类中SVM（支持向量机）工具
qq_40743231的博客
12-26 1万+
这里以landsat 8的四景镶嵌影像为例： 打开ENVI工具箱中的分类——监督分类——支持向量机，出现如下界面： 选择图像，点击OK，会出现如下的错误提示 这告诉我们需要选取几个ROIs以便于我们用支持向量机来进行分类，ROI（Region of Interest感兴趣区），ROI工具的位置如下图所示 接下来我们需要选取三类的ROI，分别代表林地，水体和不透水面，点击下图中的位置创建新的ROI 在底下的ROI name一栏中输入water body，表示这一类的ROI我们选取的是和水体有关的地方
评论 18
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值