CN109740678A - 基于多级不均匀空间抽样的遥感影像分类精度检验方法 - Google Patents

Abstract

本发明属于图像处理技术领域，公开了一种基于多级不均匀空间抽样的遥感影像分类精度检验方法，进行多级不均匀抽样：通过计算遥感影像分类结果的空间破碎度，将遥感影像自低而高进行逐级区划；根据不同等级区划结果，自高至低逐级分配样本点用于遥感影像分类结果检验；基于破碎度指数的研究区域自低至高逐级区划：引入破碎度指数的概念，进行研究区域自低至高的逐级区划；再进行基于逐级区划结果的样本点布设。本发明可以保证用于精度检验的遥感影像的样本点在不同地物类型间的均衡性，亦保证了用于精度检验的样本点在空间上的代表性。

Description

基于多级不均匀空间抽样的遥感影像分类精度检验方法

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于多级不均匀空间抽样的 遥感影像分类精度检验方法。

背景技术

目前，业内常用的现有技术是这样的：

遥感影像因其数据获取速度快、覆盖范围广、以及来源多样被广泛应用于 各领域。遥感影像分类是土地利用专题信息提取的一个重要环节，是遥感影像 应用的基础，准确可信的遥感影像分类结果对推动遥感信息应用具有重要的意 义。如何快速地对多源，海量地遥感分类结果进行精度检验是一个亟待解决的 问题。

抽样检验是处理大批量信息的一种有效方法，其是按预先确定的抽样方案， 从批或过程中随机选择抽取样本，逐一检查样本质量，从而对批或过程质量做 出判定，是介于不检验与百分比检验之间的一种检验方法。具有效率高和抽检 费用低等优势。经典的抽样方法有简单随机抽样，分层抽样，系统抽样和整群 抽样等，这些抽样方法广泛应用于各领域，如社会经济调查、农作物估产及土 地覆盖产品质量评价。传统抽样方法建立于独立产品的质量检验，而遥感影像 分类结果作为一类特殊的商品有别于传统的独立产品，其具有海量性、空间相 关性和空间异质性等特征。因此传统抽样方法不适宜直接应用于遥感影像分类 结果的精度检验。

遥感影像分类结果作为一类特殊的商品，亦有很多学者基于抽样研究了其 精度检验方法，如童小华等针对区域地表覆盖遥感制图产品，提出了空间分层 抽样方法；王劲峰等将航空遥感影像与TM影像结合，提出了一种“Sandwich” 抽样模型用于细小耕地的精度验证。Stehman等将遥感影像分类结果精度评价和 面积估计相结合，提出了一种基于混淆矩阵的统一农作物面积估计框架。黄冬 梅等基于灰度共生矩阵量化遥感像元间的关系，优化了系统抽样方法用于遥感 分类结果精度评价。

Zhu等采用模拟退火算法分别优化了小样本量和中等大样本量的抽检方法。Mayaux等利用多样性指标Shannon-Weaver(SW)计算每一抽样格网的地类丰富 度与均匀程度，用于确定各抽样格网的样本数量,并累加得出各验证区域的样本 量。Oloffson等提出一种独立于地表覆盖数据集的抽样设计，该方法以分层随机 抽样为基础，通过气候分类和人口密度数据将全球分为21个层，按数 量分配规则从21层中随机抽取500个5km*5km格网单元作为样本。

现有面向遥感影像分类结果的空间抽样方法，兼顾了分类结果间的空间相 关性，降低了样本点间的信息冗余，提高了遥感影像分类结果的检验效率。但 遥感影像分类结果另一特征即空间异质性，在同一地物类型内，遥感影像分类 结果一致，其分类出错率较低；在不同的地物类型之间，遥感影像分类结果变 化较频繁，其分类出错率较高。

综上所述，现有技术存在的问题是：

(1)现有技术中，遥感影像分类结果另一特征即空间异质性，在同一地物 类型内，遥感影像分类结果一致，其分类出错率较低；在不同的地物类型之间， 遥感影像分类结果变化较频繁，其分类出错率较高。

(2)传统抽样方法建立于独立产品的质量检验，而遥感影像分类结果作为 一类特殊的商品有别于传统的独立产品，其具有海量性、空间相关性和空间异 质性等特征。因此传统抽样方法不适宜直接应用于遥感影像分类结果的精度检 验。

(3)遥感影像因其数据获取速度快、覆盖范围广、以及来源多样被广泛应 用于各领域。遥感影像分类是土地利用专题信息提取的一个重要环节，是遥感 影像应用的基础，准确可信的遥感影像分类结果对推动遥感信息应用具有重要 的意义。如何快速地对多源，海量地遥感分类结果进行精度检验是一个亟待解 决的问题。

解决上述技术问题的意义：

兼顾遥感影像的空间异质性和空间相关性，本发明面向遥感影像分类结果 的精度检验，提出了一种基于多级不均匀空间抽样方法。该方法通过计算遥感 影像分类结果的破碎度指数，将遥感影像进行了不同等级的区划，根据区划等 级设计了一种自高而低的样本点布设方案和自低而高的样本点精度检验方案。 该方法既保证了用于精度检验的样本点在不同地物类型间的均衡性，亦保证了 用于精度检验的样本点在空间上的代表性。

通过与其它抽样检验方法比较分析发现，本发明设计的检验方法尽可能多 的抽检出分类过程中易错的像素点，故此其总体精度和Kappa系数低于其它方 法。

发明内容

针对现有技术存在的问题，本发明提供了一种基于多级不均匀空间抽样的 遥感影像分类精度检验方法。本发明提出了一种基于多级不均匀空间抽样方法 的精度检验方法，该方法通过计算遥感影像分类结果的破碎度指数，将遥感影 像进行逐级区划，根据区划等级设计了一种自高而低的样本点布设方案和自低 而高的样本点精度检验方案。

本发明是这样实现的，一种基于多级不均匀空间抽样的遥感影像分类精度 检验方法，包括：

多级不均匀抽样：通过计算遥感影像分类结果的空间破碎度，将遥感影像 自低而高进行逐级区划；根据不同等级区划结果，自高至低逐级分配样本点用 于遥感影像分类结果检验；

基于破碎度指数的研究区域自低至高逐级区划：引入破碎度指数的概念， 以遥感影像分类结果为输入数据，以3*3窗口为单元，逐一计算研究区域地物 类型的空间破碎度，根据空间破碎度结果对该区域进行第1级区划；以第1级 区划结果作为输入数据，以3*3窗口为单元，基于破碎度指数计算第1级区划 结果的空间破碎度，对研究区域进行第2级区划，以此类推进行研究区域自低 至高的逐级区划；

基于逐级区划结果的样本点布设：在地物类别破碎度高的区域和地物类别破 碎度低的区域具有不均匀的待检验样本点入样概率，根据破碎度指数，计算不 同破碎度区块的入样权重，推导出不同区划所需样本量。

进一步，破碎度指数F的计算公式如下：

其中，F_i为第i个窗口的破碎度指数；A_i为第i个窗口内地物类型个数；N 为窗口内的像元个数，以3*3的窗口为例，N的值为9。

进一步，各区划内不同破碎度等级的入样权重计算公式为：

其中，i为遥感影像的区划等级，i＝0,1,2,…；i＝0表示无区划的遥感影像； F_it为第i级区划的破碎度指数，t＝1,2,…m；m为第i级破碎度指数的个数；w_it为第i级破碎度指数为F_it的区域样本量的权重；n_it为第i级破碎度指数为t 的样本量。

进一步，样本量计算中，

以像元为检验单元，根据分类结果应用的精度要求，和可允许误差，确定 用于精度检验的样本量，样本量计算公式如下

其中，N表示批量总体，本发明待检验遥感影像分类结果的批量N为398040，n为用于精度检验的样本量；Z为标准正态分布统计量；P表示期望精度；E表 示允许误差。

进一步，总体精度与kappa系数包括：

总体分类精度公式为：

Kappa系数公式为：

其中，m_i+和m_+i分别表示混淆矩阵的行总及列总和，N为混淆矩阵中全部元 素的总和。

本发明的另一目的在于提供一种实施所述的基于多级不均匀空间抽样的遥 感影像分类精度检验方法的基于多级不均匀空间抽样的遥感影像分类精度检验 平台。

综上所述，本发明的优点及积极效果为：

本发明可以保证用于精度检验的遥感影像的样本点在不同地物类型间的均 衡性，亦保证了用于精度检验的样本点在空间上的代表性。

本发明进行多级不均匀抽样：

为保证在复杂、异质、破碎度高的区域内，用于遥感影像分类结果精度检 验的待检验样本点的可高概率入样，即提高样本点的代表性；在简单、均质、 破碎度低的区域内待检验样本点的可低概率入样，即降低样本间的信息冗余。 本发明设计了面向遥感影像分类结果精度检验的多级不均匀空间抽样方法，该 方法通过计算遥感影像分类结果的空间破碎度，将遥感影像自低而高进行逐级 区划；根据不同等级区划结果，自高至低逐级分配样本点用于遥感影像分类结 果的精度检验。

与简单随机抽样方法，分层抽样方法和基于灰度共生矩阵的空间抽样方法 进行比较：

表6各抽样方法中不同地物类型的样本量分配

由表6可以看出：(1)简单随机抽样与基于灰度共生矩阵系统抽样方法未考 虑类间样本分配情况，样本点有可能集中在某一层上；(2)分层抽样是根据验证 区域内类间的面积比例去分配样本量，导致稀少类(裸地)的面积小，所分配的 样本量很少；(3)本文提出的基于多级不均匀空间抽样方法，通过对破碎度指数 的计算，将每一区域的样本量合理地分配给其各地物类别，因此，即使在面积 占比小的裸地，也分配了充足的样本量，使得样本的分配更具合理性。

同时采用分层抽样(SS)、简单随机抽样(SRS)、基于灰度共生矩阵系统抽样(GLCM)和多级不均匀空间抽样方法(F)四种不同的抽样方法对遥感影像的分类 结果进行了精度检验。图2给出了基于不同抽样方法的精度检验，及表8给出 了不同抽样方法的生产者精度(PA)和用户精度(UA)。

表8不同抽样方法的生产者精度(PA)和用户精度(UA)比较

由表8可以看出：(1)水体较其它地物类别，具有较高的精度，这是因为 在高光谱遥感影像上，水体的光谱特性明显有别于其它地物类型，故此较容易 比较区分；(2)裸地和植被具有较低的精度，这是因为裸地与人造物、森林和 植被的光谱特征较为相似，因此在分类时容易产生混淆。

由表8可以看出，(1)不同的抽样方法，对遥感影像分类结果的精度评价 具有不同的影响；(2)与其它三种抽样方法相比，本文提出的多级不均匀空间 抽样方法的总体精度和Kappa系数值相对较低，这是由于多级不均匀空间抽样 方法的样本点多布设在异质区内，即易产生混分、误分的区域。

本发明进行基于破碎度指数的研究区域自低至高逐级区划：

破碎度指数(F)表示景观中斑块被分割的破碎程度，反映了景观空间结果 的复杂性。本发明引入破碎度指数的概念，以遥感影像分类结果为输入数据， 以3*3窗口为单元，逐一计算其研究区域地物类型的空间破碎度，根据空间破 碎度结果对该区域进行第1级区划；以第1级区划结果作为输入数据，仍以3*3 窗口为单元，基于破碎度指数计算第1级区划结果的空间破碎度，对研究区域 进行第2级区划，以此类推实现研究区域自低至高的逐级区划。

本发明进行基于逐级区划结果的样本点布设：

为保证样本点的代表性，在地物类别破碎度高的区域和地物类别破碎度低的 区域具有不均匀的待检验样本点入样概率，根据破碎度指数，计算不同破碎度 区块的入样权重，从而推导出不同区划所需样本量。

附图说明

图1是本发明实施例提供的基于多级不均匀空间抽样方法的精度检验方法 流程图。

图2是本发明实施例提供的基于不同抽样方法的精度检验图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。

现有技术中，遥感影像分类结果另一特征即空间异质性，在同一地物类型 内，遥感影像分类结果一致，其分类出错率较低；在不同的地物类型之间，遥 感影像分类结果变化较频繁，其分类出错率较高。

为解决上述问题，下面结合具体方案对本发明作进一步描述。

如图1所示，本发明实施例提供的基于多级不均匀空间抽样的遥感影像分 类精度检验方法，包括：

多级不均匀抽样：通过计算遥感影像分类结果的空间破碎度，将遥感影像 自低而高进行逐级区划；根据不同等级区划结果，自高至低逐级分配样本点用 于遥感影像分类结果检验；

基于破碎度指数的研究区域自低至高逐级区划：引入破碎度指数的概念， 以遥感影像分类结果为输入数据，以3*3窗口为单元，逐一计算研究区域地物 类型的空间破碎度，根据空间破碎度结果对该区域进行第1级区划；以第1级 区划结果作为输入数据，以3*3窗口为单元，基于破碎度指数计算第1级区划 结果的空间破碎度，对研究区域进行第2级区划，以此类推进行研究区域自低 至高的逐级区划；

基于逐级区划结果的样本点布设：在地物类别破碎度高的区域和地物类别 破碎度低的区域具有不均匀的待检验样本点入样概率，根据破碎度指数，计算 不同破碎度区块的入样权重，推导出不同区划所需样本量

作为本发明的优选实施例，破碎度指数F的计算公式如下：

其中，F_i为第i个窗口的破碎度指数；A_i为第i个窗口内地物类型个数；N 为窗口内的像元个数，以3*3的窗口为例，N的值为9。

作为本发明的优选实施例，样本点布设包括：

各区划内不同破碎度等级的入样权重计算公式是

其中，i为遥感影像的区划等级，i＝0,1,2,…；i＝0表示无区划的遥感影像； F_it为第i级区划的破碎度指数，t＝1,2,…m；m为第i级破碎度指数的个数；w_it为第i级破碎度指数为F_it的区域样本量的权重；n_it为第i级破碎度指数为t 的样本量。

作为本发明的优选实施例，样本量计算包括：

以像元为检验单元，根据分类结果应用的精度要求(使用方风险)，和可允 许误差(生产方风险)，确定用于精度检验的样本量，样本量计算公式如下

其中，N表示批量总体，本发明待检验遥感影像分类结果的批量N为398040， n为用于精度检验的样本量；Z为标准正态分布统计量；P表示期望精度；E表 示允许误差；本发明以精度要求为85％、允许误差为1％。

作为本发明的优选实施例，总体精度与kappa系数包括：

总体分类精度(OA)是指所有类别正确分类数占总抽样数的比例，反映了分 类结果总体正确程度。公式为：

Kappa系数与整体分类精度只利用混淆矩阵对角线元素不同，它利用了整个 混淆矩阵信息，是对分类精度的全面衡量。公式为：

其中，m_i+和m_+i分别表示混淆矩阵的行总及列总和，N为混淆矩阵中全部元 素的总和。

下面结合具体实验对本发明作进一步描述。

实验选取2015年4月浙江省某区域作为研究区域，其中，分辨率30m的 Landsat-8遥感影像数据作为实验数据，同时，选取2015年4月同区域分辨率 3m的高分2号遥感影像数据作为验证数据，所有数据均采用 WGS_1984_UTM_zone_50N坐标系。

借助专业软件ENVI 5.2，基于支持向量机分类方法将研究区域分为5类不 同的地物类型，分别为水域、森林、裸地、植被和人造物，面积占比分别为43.82％、 41.74％、2.30％、7.30％和4.84％。

以像元为检验单元，根据分类结果应用的精度要求(使用方风险)，和可允 许误差(生产方风险)，确定用于精度检验的样本量，根据公式(3)，计算得出 用于待检验的样本量为1378。

在本发明实施例中，基于破碎度对待分类遥感影像进行自低而高的逐级区 划包括：

根据公式(1)，对遥感影像分类结果进行逐级区划，给出破碎度指数逐级 区划。在此，基于破碎度指数将该实验所用遥感影像逐级区划为5级。

在本发明实施例中，基于区划结果设计自高而低的样本点布设方案包括：

本发明将待检验区域逐级区划为五级，根据公式(2)，自高至低计算各级 区划样本量的分配结果；表1给出了第五级区划内，各破碎度指数区域所占权 重以及应分配的样本量。针对第五级区划的样本点布设结果，统计计算第四级 区划的样本量分配；表2给出了第四级区划内，各破碎度指数区域所占权重以 及应分配的样本量；以此类推，；表3-表5分别给出了第三，二和一级区划内， 各破碎度指数区域所占权重以及应分配的样本量。

表1第五级区划中各破碎指数的样本权重和样本量

表2第四级区划中各破碎指数的样本量

表3第三级区划中各破碎指数的样本量

表4第二级区划中各破碎指数的样本量

表5第一级区划中各破碎指数的样本量

在本发明实施例中，待检验样本点的空间布设：

采用简单随机抽样、分层抽样、基于灰度共生矩阵的系统抽样和多级不均 匀空间抽样方法分别在待检验遥感影像分类结果图上分配1378个样本点，

基于分层抽样的样本点分布图可以看出，该方法保证了不同地物类别间的 样本点入样概率，但大面积同类地物因面积占优，故此具有较高的入样概率， 导致了样本点信息的冗余，如水体和森林的内部存在较多的样本点；

基于简单随机抽样的样本点分布图可以看出，该方法简单易操作，但其随 机性较强，致使精度验证结果存在不确定性；

基于灰度共生矩阵系统抽样的样本点分布图可以看出，样本点等间隔规律 分布，保证了样本点在空间上的均匀性，但同分层抽样，大面积同类地物占有 较高的入样概率，存在样本点信息冗余，同时亦无法保证地物类型变化区域样 本的入样概率；

基于多级不均匀空间抽样方法的样本点分布图可以看出，样本点不均匀分 布于研究区域内，其更多集中在地物类型变化区域，保证了样本点的代表性， 降低了样本点的信息冗余。

在本发明实施例中，遥感影像分类精度检验：

将高分辨率遥感影像作为参考数据，本发明亦借助EVNI5.2软件对高分辨 率遥感影像进行分类，因实验数据和参考数据具有不同的分辨率，此处采用面 积占优法判定待检验样本点分类结果的正确与否。

不同地物类型间样本量分配比较

表6各抽样方法中不同地物类型的样本量分配

由表6可以看出：(1)简单随机抽样与基于灰度共生矩阵系统抽样方法未考 虑类间样本分配情况，样本点有可能集中在某一层上；(2)分层抽样是根据验证 区域内类间的面积比例去分配样本量，导致稀少类(裸地)的面积小，所分配的样 本量很少；(3)本发明提出的基于多级不均匀空间抽样方法，通过对破碎度指数 的计算，将每一区域的样本量合理地分配给其各地物类别，因此，即使在面积 占比小的裸地，也分配了充足的样本量，使得样本的分配更具合理性。

在本发明实施例中，总体精度和Kappa系数结果比较：

为验证不同抽样方法对遥感影像分类结果的精度验证效率，本发明以像元 为单位，对所有分类结果进行了全检，表7给出了基于全检(FI)的精度检验混 淆矩阵。

表7基于全检的精度检验混淆矩阵

采用分层抽样(SS)、简单随机抽样(SRS)、基于灰度共生矩阵系统抽样(GLCM) 和多级不均匀空间抽样方法(F)四种不同的抽样方法对要遥感影像的分了结果 进行了精度检验。图2给出了基于不同抽样方法的精度检验。

由图2可以看出，不同的抽样方法，对遥感影像分类结果的精度评价具有 不同的影响；与其它三种抽样方法相比，本发明提出的多级不均匀空间抽样方 法的总体精度和Kappa系数值相对较低，这是由于多级不均匀空间抽样方法的 样本点多布设在异质区内，即易产生混分、误分的区域。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程 序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指 令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可 以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算 机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向 另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、 计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或 无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据 中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用 介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。 所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、 或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。

Claims (6)

1.一种基于多级不均匀空间抽样的遥感影像分类精度检验方法，其特征在于，所述基于多级不均匀空间抽样的遥感影像分类精度检验方法包括：

多级不均匀抽样：通过计算遥感影像分类结果的空间破碎度，将遥感影像自低而高进行逐级区划；根据不同等级区划结果，自高至低逐级分配样本点用于遥感影像分类结果检验；

基于破碎度指数的研究区域自低至高逐级区划：引入破碎度指数的概念，以遥感影像分类结果为输入数据，以3*3窗口为单元，逐一计算研究区域地物类型的空间破碎度，根据空间破碎度结果对该区域进行第1级区划；以第1级区划结果作为输入数据，以3*3窗口为单元，基于破碎度指数计算第1级区划结果的空间破碎度，对研究区域进行第2级区划，以此类推进行研究区域自低至高的逐级区划；

基于逐级区划结果的样本点布设：在地物类别破碎度高的区域和地物类别破碎度低的区域具有不均匀的待检验样本点入样概率，根据破碎度指数，计算不同破碎度区块的入样权重，推导出不同区划所需样本量。

2.如权利要求1所述的基于多级不均匀空间抽样的遥感影像分类精度检验方法，其特征在于，破碎度指数F的计算公式如下：

其中，F_i为第i个窗口的破碎度指数；A_i为第i个窗口内地物类型个数；N为窗口内的像元个数，以3*3的窗口为例，N的值为9。

3.如权利要求1所述的基于多级不均匀空间抽样的遥感影像分类精度检验方法，其特征在于，各区划内不同破碎度等级的入样权重计算公式为：

其中，i为遥感影像的区划等级，i＝0,1,2,…；i＝0表示无区划的遥感影像；F_it为第i级区划的破碎度指数，t＝1,2,…m；m为第i级破碎度指数的个数；w_it为第i级破碎度指数为F_it的区域样本量的权重；n_it为第i级破碎度指数为t的样本量。

4.如权利要求1所述的基于多级不均匀空间抽样的遥感影像分类精度检验方法，其特征在于，样本量计算中，

以像元为检验单元，根据分类结果应用的精度要求，和可允许误差，确定用于精度检验的样本量，样本量计算公式如下

其中，N表示批量总体，本发明待检验遥感影像分类结果的批量N为398040，n为用于精度检验的样本量；Z为标准正态分布统计量；P表示期望精度；E表示允许误差。

5.如权利要求1所述的基于多级不均匀空间抽样的遥感影像分类精度检验方法，其特征在于，总体精度与kappa系数包括：

总体分类精度公式为：

Kappa系数公式为：

其中，m_i+和m_+i分别表示混淆矩阵的行总及列总和，N为混淆矩阵中全部元素的总和。

6.一种实施权利要求1所述的基于多级不均匀空间抽样的遥感影像分类精度检验方法的基于多级不均匀空间抽样的遥感影像分类精度检验平台。