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：

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

2. 进行彩色密度分割

• 位置：New Raster Color Slice
• 结果
  

3. 转换为ENVI类型图像

• 工具位置：Slice>Export Color Slices>Class Image
  

• 结果
  
  注：ENVI中的混淆矩阵验证工具只接受ENVI

2.使用ROI工具建立验证样本集

建立验证样本集的方式主要有两种，一是通过ROI直接建立样本集，二是从外部导入shp或者xml文件。

• 通过ROI建立验证样本
  

• 从外部导入已知训练样本（xml文件）

• 从外部导入已知的训练样本（shp文件）

  • 导入工具
    

  • 从外部工具选取样本点

    • 直接选取样本点

    • 工具：QGIS

      • 方法：直接创建点要素，然后辅助OSM地图和卫星图像手动生成样本点，

    • 注意：这里的辅助地图也可以是谷歌地图和高德地图，不过选取点要素后需将火星坐标系转换为WGS-84坐标系

  • 从多边形中随机生成样本点

    • 工具:Arcgis

    

3. 使用混淆矩阵工具评价分类精度

• 评价过程
  

• 结果
  

4. 导出数据

原文地址：http://hqs09.top/index.php/archives/36/