2.3.2非监督分类的优缺点

非监督分类的前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。非监督分类方法不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱信息（或纹理信息）进行特征提取的统计特征的差别来达到分类的目的，最后对已分出的各个类别的实地属性进行确认。非监督分类主要采用聚类分析方法，聚类是把一组像素按照相似性归成若干类别，即 “ 物以类聚 ” 。它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。

1、非监督分类的优点

① 非监督分类不需要分析者选择训练样本，只需要其具有对非监督分类所得结果的解释能力，故对分析者的要求较低。

② 主观因素影响较小。在非监督分类过程中只需要分析者预先定义几个参数，如分类数目等。即使分析者对图像有很强的看法偏差，也不会对分类结果有很大影响，因此非监督分类可以产生比监督分类更均质的图像。

③ 与监督分类相比，非监督分类不需要分析者对所研究的区域有很好的了解，因而可以节省大量的人力、时间等。

④ 在非监督分类中，独特的、覆盖量很小的类别亦能被识别，而不至于像监督分类中由于分析者的失误造成信息的丢失。

2、非监督分类的缺点

① 非监督分类产生的类别并非就是分析者所希望得到的类别，从而使得分析者面临一个如何将分类结果与所期望类别相匹配的问题。

② 由于分析者较难对分类过程中产生的类别进行控制，因而分类结果可能会让分析者不满意。

③ 由于图像中各类别地物的光谱特征会随时间、地形等改变而变化，因而同物异谱、同谱异物现象可能导致不同图像之间的对比度较差，影响分类精度。如地物类型对应的光谱特征差异很小时，非监督分类效果不如监督分类效果好。

监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识，监督分类根据训练场提供的样本选择特征参数、建立判别函数，对待分类点进行分类。非监督分类不需要更多的先验知识，它根据地物的光谱统计特性进行分类。因此，非监督分类方法简单，且分类具有一定的精度。

分类精度评价是以一幅合适的精确数据作为参考，将要进行评价的遥感分类图像与之对比，即比较两幅图像中每个像元之间的一致性，以正确分类的百分比来表示精度。与遥感图像分类误差类型相对应，遥感图像分类精度的评价方法亦可分为位置精度评价和非位置精度评价。位置精度评价是将分类的类别与其所在的空间位置进行统一检查；非位置精度评价是在未考虑位置因素的情况下，以一个简单的数值，如面积、像元数目等表示分类精度，故可以在一定程度上使类别之间的错分结果彼此平衡，抵销分类误差，提高分类精度。

1.误差矩阵

误差矩阵（也称混淆矩阵），是一种用n行n列的矩阵来表示精度评价的一种标准格式。其中n代表类别的数量，一般可表示为表1-1的形式。

其中，Pij是分类数据类型中第i类和实测数据类型第j类所占的组成部分，为分类所得到的第i类的总和，为实际观测的第j类的总和，P为样本总数。

利用误差矩阵进行精度评价的实例如表1-2所示，表中对角线区域即为在图像分类过程中被正确分类的像元数量，最右边一列表示标准图像的像元数量，最底部的一行显示的是每类别在所要评价的图像上的总像元数。

2. 总体分类精度估计量：

　　　　　 　　　　  

 

它是具有概率意义的一个统计量，表述的是每一个随机样本所分类的结果与地面所对应区域的实际类型相一致的概率。

3. 用户精度估计量（对于第i类）

　　　　　 　　　　     

表示从分类结果中任取一个随机样本，其所具有的类型与地面实际类型相同的条件概率。

4. 制图精度（对于第j类）

　　　　　 　　　　 　　

表示相对于地面获得的实际资料中任意一个随机样本，分类图上同一地点的分类与其相一致的条件概率。