Page 182 - 测绘新技术的理论与实践研究

测绘新技术的理论与实践研究

这部分利用误差（混淆）矩阵、总体检测精度和 Kappa 系数对提取精度进行

分析。误差矩阵与总体精度评定方法是模式识别领域中一种常用的表达形式，它
描绘样本数据的真实属性与识别结果类型之间的关系，是评价分类或提取性能的
一种常用方法。误差矩阵是通过将每个实测像元的类别与相应位置像元的真实类

别进行比较计算的。根据误差矩阵，可以得到每个类别的用户精度和制图（生成
者）精度。总体检测精度等于被正确分类的像元总和除以总像元数。Kappa 系数

是在综合了用户精度和制图精度两个参数的基础上提出的一个最终指标，可以用
于比较两个分类器的误差矩阵是否具有显著差别。通常其计算结果越大，就表示
图像分类精度越好。

由于水体在 SAR 图像上的色调、纹理较为一致，因此精度较高，地物提取
精度（用户精度）约为 99%，制图精度 97.1%，总体精度 99.3%。

（二）植被提取
实验图像为德国 Oberpfaffenhofen 地区的 E-SAR 数据，2000 年 9 月 30 日获取，
采样间隔为 2.5m，图像大小为 1200×1300。

实际提取的 SAR 图像为全极化数据的 Pauli 图转灰度后的图像。森林植被具
有较强的体散射的后向散射特征，SAR 图像上大多呈浅色调影像。实验区域地
势较为平坦，主要地物类型有森林、农田、居民地和机场。SAR 图像上房屋建

筑物同样有很高的散射能量，色调与森林相近。但建筑物周围有街道、树木和草
坪，其纹理与植被相差较大。因此，通过纹理特征可以区分两者。提取的植被轮
廓见图 5-4。

由于植被在 SAR 图像上的色调、纹理较为一致，因此精度较高，地物提取
精度（用户精度）为 98.8%，制图精度 93.3%，总体精度 98.8%。

图 5-4 植被实验提取结果

170