在计算混淆矩阵时，需要有两幅影像，一幅是待评价的分类影像，另一幅是假定较精确的参考影像。通常整幅精确的参考影像很难获得，通常要选取一定数量的样本来进行评价，本研究选择了影像ROI（Regin of Interest，ROI）来完成精度评定。参考影像和待评价影像的ROI如图7.4（a）、7.4（b）所示。
各类混淆矩阵的计算如表7.3、表7.4、表7.5和表7.6所示，根据混淆矩阵，计算可知该分类结果的整体精度为65.95％，kappa系数为0.55，表明该分类结果和参考影像的一致性为中等水平。
综上所述，基于谐波分析和PSO－SVM的分类技术能够在更细微的层面对高光谱数据做精细分类，具有一定的使用价值和很好地识别效果。
图7.2 几种主要地物谐波分析后光谱曲线
图7.3 几种主要地物3次谐波累积曲线
图7.4 参考影像和待评价影像ROI
表7.3 混淆矩阵（像元）
表7.4 混淆矩阵 单位：％
注：“－－” 表示无此项。
表7.5 漏分和多分误差 单位：％
注：“－－” 表示无此项。
表7.6 生产精度（Product's accuracy，PA）和用户精度（user's accuracy，UA）
注：“－－” 表示无此项。
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024