5. Accuracy assessment5.1. Pixel-ba

5. Accuracy assessment
5.1. Pixel-based accuracy assessment
An adequate accuracy assessment of a remotely sensed image is to
compare the land-use land-cover classification at every pixel in an
image with a reference source or a ground truth information. While
this approach is ideal, gathering reference data for an entire study area
is expensive (i.e., costly, labor intensive, and time consuming) and
ruins the main purpose of performing a remote-sensing classification
(Lillesand et al., 2008). Selection of a certain number of sample pixels
that are assumed to represent the whole image has been used to avoid
the above issue (Campbell, 2007; Jensen, 2005). Since accuracy
assessment assumes that the sample points selected are the true
representation of the map being evaluated, an improperly gathered
sample will produce meaningless information on the map accuracy
(Congalton & Green, 1999; Jensen, 2005; Lillesand et al., 2008). We
produced error matrices in order to analyze and evaluate each
method. These error matrices show the contingency of the class to
which each pixel truly belongs (columns) on the map unit to which it
is allocated by the selected analysis (rows). From the error matrix,
overall accuracy, producer's accuracy, user's accuracy, and kappa
coefficient were generated. It has been suggested that a minimum of
50 sample points for each land-use land-cover category in the error
matrix be collected for the accuracy assessment of any image
classification (Congalton, 1991). We selected 500 samples points
that led to approximately 70 points per class (7 total classes) for the
accuracy assessment. A minimum of 50 points per class was set for
generating 500 points using a stratified random sampling approach.
To be consistent and for precise comparison purposes, we applied the
same sample points generated for the output generated by the objectbased
classifier as the output produced by the traditional classification
technique (i.e., maximum likelihood). The same accuracy assessment
using the same sampling procedure was also performed for the test
image.

ผลลัพธ์ (ไทย) 1:

5. การประเมินความถูกต้อง5.1. พิกเซลตามความถูกต้องการประเมินมีการประเมินความแม่นยำเพียงพอรูป sensed จากระยะไกลคือการเปรียบเทียบการจัดประเภทการครอบที่ดินใช้ที่ดินที่ทุกพิกเซลในตัวภาพแหล่งอ้างอิงหรือเป็นข้อมูลความจริงดิน ในขณะที่วิธีการนี้เหมาะ รวบรวมข้อมูลอ้างอิงสำหรับพื้นที่ศึกษาทั้งหมดมีราคาแพง (เช่น ค่าใช้จ่าย แรงงานเข้มข้น และใช้เวลานาน) และวัตถุประสงค์หลักของการตรวจจับระยะไกลประเภทซากปรักหักพัง(Lillesand et al. 2008) เลือกจำนวนของพิกเซลในตัวอย่างที่จะสันนิษฐานเพื่อแสดงรูปภาพทั้งหมดได้ถูกใช้เพื่อหลีกเลี่ยงปัญหาข้างต้น (Campbell, 2007 เจนเซ่น 2005) ตั้งแต่ความแม่นยำการประเมินถือว่า จุดตัวอย่างเลือกเป็นแท้จริงแสดงผังการประเมิน การรวบรวมไม่ถูกต้องตัวอย่างจะสร้างความหมายข้อมูลความถูกต้องของแผนที่(Congalton & สีเขียว 1999 เจนเซ่น 2005 Lillesand et al. 2008) เราข้อผิดพลาดผลิตเมทริกซ์เพื่อวิเคราะห์ และประเมินผลแต่ละวิธีการ ฉุกเฉินของคลาเพื่อแสดงเมทริกซ์ข้อผิดพลาดเหล่านี้แต่ละพิกเซลซึ่งเป็นสมาชิกของ (คอลัมน์) อย่างแท้จริงหน่วยแผนที่เพื่อที่จะมีการปันส่วน โดยการวิเคราะห์ที่เลือก (แถว) จากเมตริกซ์ข้อผิดพลาดโดยรวมความถูกต้อง ผู้ผลิตของความถูกต้อง ผู้แม่นยำ และกัปปะสร้างค่าสัมประสิทธิ์ มาที่อย่างน้อย50 ตัวอย่างคะแนนสำหรับแต่ละประเภทครอบคลุมที่ดินใช้ที่ดินในข้อผิดพลาดเมทริกซ์ที่ถูกรวบรวมสำหรับการประเมินความถูกต้องของภาพใด ๆการจัดประเภท (Congalton, 1991) เราเลือกตัวอย่าง 500 จุดที่นำไปสู่การประมาณ 70 คะแนนต่อชั้น (รวมชั้นเรียน 7) สำหรับการการประเมินความถูกต้อง ขั้นต่ำ 50 คะแนนต่อคลาสถูกกำหนดสำหรับสร้าง 500 จุดโดยใช้วิธีการสุ่มตัวอย่างจำนวนชั้นของเซลล์อย่างสม่ำเสมอ และเพื่อเปรียบเทียบความแม่นยำ เราใช้การจุดตัวอย่างเดียวที่สร้างขึ้นสำหรับผลผลิตที่สร้างขึ้น โดยการ objectbasedลักษณนามเป็นผลลัพธ์ที่ผลิต โดยการจัดประเภทแบบดั้งเดิมเทคนิค (เช่น สูงสุดโอกาส) การประเมินความถูกต้องเดียวกันนอกจากนี้ยังดำเนินการโดยใช้กระบวนการสุ่มตัวอย่างเดียวกันสำหรับการทดสอบภาพ

ผลลัพธ์ (ไทย) 2:

5. การประเมินความถูกต้อง
5.1 พิกเซลตามการประเมินความถูกต้อง
มีการประเมินความถูกต้องเพียงพอของภาพระยะไกลรู้สึกคือการ
เปรียบเทียบการใช้ที่ดินการจำแนกประเภทที่ดินครอบคลุมในทุกพิกเซลใน
ภาพที่มีการอ้างอิงแหล่งข้อมูลหรือความจริงพื้นดิน ในขณะที่
วิธีการนี้เหมาะรวบรวมข้อมูลอ้างอิงสำหรับพื้นที่การศึกษาทั้งหมด
ที่มีราคาแพง (เช่นค่าใช้จ่ายแรงงานเข้มข้นและใช้เวลานาน) และ
ซากปรักหักพังวัตถุประสงค์หลักในการดำเนินการจัดหมวดหมู่ระยะไกลตรวจจับ
(Lillesand et al., 2008) การคัดเลือกจำนวนหนึ่งของพิกเซลตัวอย่าง
ที่จะถือว่าเป็นตัวแทนของภาพทั้งหมดได้ถูกนำมาใช้เพื่อหลีกเลี่ยง
ปัญหาดังกล่าว (แคมป์เบลปี 2007 เซ่น 2005) ตั้งแต่ความถูกต้อง
ประเมินสันนิษฐานว่าจุดที่กลุ่มตัวอย่างที่เลือกเป็นจริง
เป็นตัวแทนของแผนที่การประเมินการรวมตัวกันอย่างไม่ถูกต้อง
ตัวอย่างจะผลิตข้อมูลความหมายเกี่ยวกับความถูกแผนที่
(Congalton & Green 1999; เซ่น, 2005. Lillesand et al, 2008) เรา
ผลิตการฝึกอบรมข้อผิดพลาดในการสั่งซื้อเพื่อวิเคราะห์และประเมินแต่ละ
วิธี การฝึกอบรมข้อผิดพลาดเหล่านี้แสดงฉุกเฉินของชั้นไป
ซึ่งแต่ละพิกเซลอย่างแท้จริงเป็น (คอลัมน์) ในหน่วยแผนที่เพื่อที่มัน
จะถูกจัดสรรโดยการวิเคราะห์เลือก (แถว) จากเมทริกซ์ความผิดพลาด
ถูกต้องโดยรวม, ความถูกต้องของผู้ผลิต, ความถูกต้องของผู้ใช้และแคปป้า
ค่าสัมประสิทธิ์ถูกสร้างขึ้น มันได้รับการแนะนำว่าอย่างน้อย
50 คะแนนสำหรับแต่ละตัวอย่างการใช้ประโยชน์ที่ดินประเภทการใช้ที่ดินครอบคลุมในข้อผิดพลาด
เมทริกซ์จะเก็บไว้สำหรับการประเมินความถูกต้องของภาพใด ๆ
การจัดหมวดหมู่ (Congalton, 1991) เราเลือก 500 คะแนนตัวอย่าง
ที่นำไปประมาณ 70 จุดต่อชั้น (7 ชั้นรวม) สำหรับ
การประเมินความถูกต้อง อย่างน้อย 50 คะแนนต่อชั้นถูกกำหนดให้มี
การสร้าง 500 จุดโดยใช้วิธีการสุ่มตัวอย่างแบบแบ่งชั้นสุ่ม.
เพื่อให้สอดคล้องและเพื่อการเปรียบเทียบได้อย่างแม่นยำเราใช้
จุดตัวอย่างเดียวที่สร้างขึ้นสำหรับการส่งออกที่สร้างโดย objectbased
ลักษณนามเป็นผลผลิตที่ผลิตโดย การจัดหมวดหมู่แบบดั้งเดิม
เทคนิค (เช่นความน่าจะเป็นสูงสุด) การประเมินความถูกต้องเหมือนกัน
ใช้วิธีการสุ่มตัวอย่างแบบเดียวกันนี้ยังได้ดำเนินการสำหรับการทดสอบ
ภาพ

ผลลัพธ์ (ไทย) 3:

5 . การประเมินความถูกต้อง5.1 การประเมินความถูกต้องตามพิกเซลการประเมินความเพียงพอของภาพจากระยะไกลคือเปรียบเทียบการใช้ที่ดินประเภทที่ครอบคลุมทุกพิกเซลในรูปกับแหล่งอ้างอิงหรือพื้นจริงข้อมูล ในขณะที่วิธีการนี้จะเหมาะ การรวบรวมข้อมูลอ้างอิงสำหรับพื้นที่ศึกษาทั้งหมดมีราคาแพง ( เช่น ค่าใช้จ่าย แรงงาน และเสียเวลา )ทำลายวัตถุประสงค์หลักของการดำเนินการระยะไกลการจำแนก( lillesand et al . , 2008 ) การเลือกจำนวนหนึ่งของจำนวนพิกเซลที่ถือว่าเป็นตัวแทนของภาพทั้งหมดได้ถูกใช้เพื่อหลีกเลี่ยงปัญหาข้างต้น ( Campbell , 2007 ; Jensen , 2005 ) เพราะความถูกต้องตัวอย่างการประเมินสันนิษฐานว่าจุดที่เลือกจริงการเป็นตัวแทนของแผนที่ถูกประเมิน , ไม่ถูกต้องรวมตัวกันตัวอย่างจะผลิตข้อมูลความหมายในความถูกต้องของแผนที่( congalton & กรีน , 1999 ; Jensen , 2005 ; lillesand et al . , 2008 ) เราผลิตเมทริกซ์ข้อผิดพลาด เพื่อวิเคราะห์และประเมินแต่ละวิธี เมทริกซ์ข้อผิดพลาดเหล่านี้แสดงเหตุขัดข้องของชั้น .ซึ่งแต่ละพิกเซลที่แท้จริงอยู่ ( คอลัมน์ ) ในหน่วยแผนที่ซึ่งมันจะถูกจัดสรรโดยการวิเคราะห์เลือก ( แถว ) จากเมทริกซ์ข้อผิดพลาดที่ความถูกต้องโดยรวมของผู้ผลิต ความถูกต้อง ความถูกต้องของผู้ใช้ และป้าวัดถูกสร้างขึ้น จะได้รับการชี้ให้เห็นว่าอย่างน้อย50 คะแนนตัวอย่างสำหรับแต่ละการปกคลุมดินประเภทในข้อผิดพลาดเมทริกซ์ถูกรวบรวมเพื่อประเมินความถูกต้องของภาพใด ๆหมวดหมู่ ( congalton , 1991 ) เราเลือกตัวอย่าง 500 จุดาประมาณ 70 คะแนนต่อชั้น ( 7 เรียนรวม ) สำหรับการประเมินความถูกต้อง อย่างน้อย 50 คะแนนต่อชั้นเรียนเป็นชุดสร้าง 500 คะแนน โดยใช้การสุ่มแบบแบ่งชั้นตามเพื่อให้สอดคล้องและเพื่อวัตถุประสงค์ในการเปรียบเทียบที่ชัดเจน เราสามารถใช้ตัวอย่างเดียวกันจุดสร้างผลผลิตที่สร้างขึ้นโดย objectbasedลักษณนามเป็นผลผลิตที่ผลิตโดยการจำแนกแบบดั้งเดิมเทคนิค ( เช่น ความเป็นไปได้สูงสุด ) การประเมินความถูกต้องเหมือนกันใช้ขั้นตอนเดียวกันเพื่อใช้สำหรับทดสอบภาพ