Level 3 Level 5
Level 4

第四課影像分類和準確度評估


25 words 0 ignored

Ready to learn       Ready to review

Ignore words

Check the boxes below to ignore/unignore words, then click save at the bottom. Ignored words will never appear in any learning session.

All None

Ignore?
特徵萃取(Feature extraction)、 訓練(Training)、標示(Labeling)
影像分類的過程包括?
多光譜比率可以減少地形陰影
良好的特徵有助於抑制或糾正已知的物理變化源。 例如,?
分開的分布,即最小的重疊
成功的分類需要?
Ground Instantaneous Field of View(地面瞬間視場)
GIFOVs
較高的解析度(較小的GIFOV)
主題通常組織成階層,階層中較高的級別通常需要?
硬分類(hard classification)使每個像素僅有一個類別
請解釋hard classification
軟分類(soft classification)使每個像素能有多個類別,並且每個類別都有相關的可能性
請解釋soft classification
1更能描述現實2包含類別內部和類別之間的變化3包含GIFOV內類別的混合
soft classification的優點
監督訓練(supervised training)是透過誤差比對去進行的訓練,其樣本帶有標註,且標註過的資料為標準答案
請解釋Supervised Training
可分性分析(Separability analysis)希望某種程度的組內相似性(或不相似性),而相似性的量測僅使用組平均數
請解釋Separability analysis
非監督訓練(unsupervised Training)不需事先標註,且不對資訊的正確性進行判斷,其分類方式是依照關聯性去歸類,找出淺在的規則,從而形成群聚
Unsupervised Training
非監督訓練用於查詢相似資料的“自然”分組(群聚)
非監督訓練的用途
混合了監督和非監督訓練
混和訓練Hybrid Training的定義
混合訓練將影像群聚為大量群聚類別(例如,多個),確保類別是可分離的。混合訓練使用輔助資料,監督群聚的標註,許多標註將合併為單個標註類別,結果是較少類別的標註地圖。接受標註地圖作為最終地圖,或使用來自群聚地圖帶標籤的訓練樣本進行監督分類。
混合訓練將影像群聚為大量群聚類別(例如,多個),確保類別是可分離的。混合訓練使用輔助資料,監督群聚的標註,許多標註將合併為單個標註類別,結果是較少類別的標註地圖。接受標註地圖作為最終地圖,或使用來自群聚地圖帶標籤的訓練樣本進行監督分類。
簡單且高效,並包含異常值(outlier)未分類的標註
Level-Slice分類器(Level-Slice Classifier)的優點
Level-Slice分類器(Level-Slice Classifier)在K-D特徵空間中定義L個“盒子”,每個類別在組平均數k次類別標準差。如果像素向量位於一個框內,則將該標註分配給像素。如果像素向量位於兩個或多個重疊的框中,使用“tie-breaking”方案。
Level-Slice分類器(Level-Slice Classifier)在K-D特徵空間中定義L個“盒子”,每個類別在組平均數k次類別標準差。如果像素向量位於一個框內,則將該標註分配給像素。如果像素向量位於兩個或多個重疊的框中,使用“tie-breaking”方案。
參數分類(parametric classification)的分類器取決於假定類別統計分布的參數
請解釋parametric Classification
誤差矩陣(error matrix)是用來表示影像分類準確度的矩陣。
請解釋error matrix
通常取矩陣中之對角線元素表示各分類項目之準確度
誤差矩陣?,並以百分比表示之
地面參考測試像素
Ground Reference Test Pixels
整張地圖的預期準確度百分比、100-P、允許的誤差、與標準常態偏差1.96的比率為2
Fitzpatrick-Lins(1981)建議,用於評估土地利用分類地圖準確性的樣本大小N由二項機率理論的公式確定,式中:p是?,q = ?,E是?,對於95%的雙向信賴水準,Z = 2?。
隨機抽樣、系統抽樣、分層隨機抽樣、分層的系統不對齊抽樣、群聚抽樣
五種常用的採樣設計用於收集地面參考測試資料,以評估遙測生成的主題地圖的準確性
可以使用描述性統計和多變量統計來評估
誤差矩陣中的資訊該如何評估?
正確的像素
誤差矩陣中的對角線代表什麼?
Kappa分析是一種測量兩幅圖之間吻合度或準確度的指標,它是kappa coefficient的估計值
Kappa Analysis的定義