欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202111610579X
申请人: 河南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种历史时期遥感识别精度验证制备方法,其特征在于,其步骤如下:S1、根据研究区内历史时期X年的遥感识别结果设计a×a的格网覆盖研究区,然后采用随机抽样方法确定M个验证样本框;

S2、根据X年遥感识别结果中的像元分布对步骤S1中M个验证样本框的边界进行修正,以确保验证样本框的边界与X年遥感识别结果中像元边界重叠;

S3、采集第i个验证样本框内的空间分辨率优于1米的X年的高清卫星影像,利用目视解译方法对步骤S2中修正后的验证样本框内的各种地物进行矢量化,得到地物矢量多边形,并且将矢量误差控制在1米以内;

S4、结合历史资料、影像特征、遥感识别结果信息综合解译确认第i个验证样本框内的地物矢量多边形的类别属性;

S5、将步骤S4中得到的带有类别属性的第i个验证样本框的矢量数据在ArcGIS软件中转换成栅格数据,并设置栅格数据的空间分辨率与遥感识别结果的空间分辨率一致,得到地表真实验证样本数据;

S6、循环执行步骤S3至步骤S5,得到M个地表真实验证样本数据;

S7、利用步骤S2中修正后的M个验证样本框对X年遥感识别结果进行裁剪,得到M个参与精度验证的识别结果样本数据;

S8、将步骤S6中得到的地表真实验证样本数据和S7中得到的识别结果样本数据进行一一比对,构造混淆矩阵,计算识别精度;

S9、统计遥感识别结果中研究目标的面积数据,并基于步骤S8中得到的识别精度对面积数据进行修正。

2.根据权利要求1所述的历史时期遥感识别精度验证制备方法,其特征在于,所述步骤S1中M个验证样本框的确定方法为:验证样本框的总面积占研究区总面积的0.1%~1%,验证样本框的边长大于遥感识别结果中像元的边长的30倍,采用随机抽样方法确定M个验证样本框。

3.根据权利要求1或2所述的历史时期遥感识别精度验证制备方法,其特征在于,所述根据X年遥感识别结果中的像元分布对步骤S1中M个验证样本框的边界进行修正的方法为:对于第i个验证样本框的四条边界,如果其第j条边界与X年遥感识别结果中像元边界不重叠,即第j条边界穿过像元,则以与第j条边界平行且距离第j条边界最近的像元边界为基准,平移第j条边界,使之与基准像元边界重叠,完成第j条边界的修正;如果第j条边界与X年遥感识别结果中像元边界重叠,则不再修正第j条边界;依此完成M个验证样本框边界的修正。

4.根据权利要求1所述的历史时期遥感识别精度验证制备方法,其特征在于,所述步骤S8中的混淆矩阵的构造方法为:对于第i组地表真实验证样本数据和识别结果样本数据,以地表真实验证样本数据为基准,对比识别结果样本数据,构造第i组地表真实验证样本数据的像元混淆矩阵,如表1所示;表1中x表示识别结果样本数据中的类别,x=1,2,┄ ,m,y表示地表真实验证样本数据中的类别,y=1,2,┄ ,m,m是地表真实验证样本数据和识别结果样本数据中的不同类别的总数;Nxy,i表示第i组的识别结果样本数据中的类别x识别为地表真实验证样本数据中的类别y的像元个数,Ni表示第i组的地表真实验证样本数据中的像元总个数;

表1 第i组地表真实验证样本数据的像元混淆矩阵将M组地表真实验证样本数据和识别结果样本数据的像元混淆矩阵进行累加,即:Nxy=Nxy,1+Nxy,2+┄+Nxy,i,i=1,2,┄ ,M,x=1,2,┄ ,m,y=1,2,┄ ,m,如表2所示;Nxy表示所有识别结果样本数据中的类别x识别为地表真实验证样本数据中的类别y的像元个数,N表示所有地表真实验证样本数据中的像元总个数;

表2 M组地表真实验证样本数据的总体像元混淆矩阵根据公式1和2以及表2计算得到类别比例估算混淆矩阵,如表3所示;

Pxy=Wx×(Nxy/Nx)    (1);

Wx=Nx/N    (2);

式中,Pxy表示识别结果样本数据中的类别x识别为地表真实验证样本数据中的类别y的像元个数占识别结果样本数据中的类别x像元总个数的比例,其中Wx表示地表真实验证样本数据中的类别x的像元个数占总像元个数的比例,Nx·表示识别结果样本数据中的类别x的像元总个数,N·x表示地表真实验证样本数据中的类别x的像元总个数;

表3 类别比例估算混淆矩阵

据公式3计算第k个类别的使用者精度,根据公式4计算第k个类别的生产者精度,根据公式5计算总体识别精度,根据公式6计算kappa系数;

UAk=Pkk/Pk·    (3);

PAk=Pkk/P·k    (4);

其中,UAk为第k个类别的使用者精度,PAk为第k个类别的生产者精度,OA为总体识别精度,kappa为kappa系数,k=1,2,┄,m。

5.根据权利要求4所述的历史时期遥感识别精度验证制备方法,其特征在于,所述统计遥感识别结果中研究目标的面积数据的方法为:首先将X年遥感识别结果的栅格数据转换为矢量数据,然后将矢量数据的地理投影转换为等积投影,最后基于ArcGIS软件的统计功能计算研究目标的面积。

6.根据权利要求4或5所述的历史时期遥感识别精度验证制备方法,其特征在于,所述基于步骤S8中得到的识别精度对面积数据进行修正的方法为:A′k=Ak×UAk/PAk    (7);

其中,Ak为第k类目标类别的识别面积,A′k为修正后的面积。