PDF, 3 MB - CENIA, česká informační agentura životního prostředí

3.6 Verifikace klasifikace
3.6.1 Hodnocení výsledku klasifikace
Výsledek klasifikace je hodnocen podle různých kritérií.
Klasifikace není ukončena, dokud není stanovena její
přesnost.
Pro chyby v klasifikaci obrazu platí následující:
● chybně klasifikované pixely se ve výsledném obrazu
nevyskytují náhodně, ale mají určité prostorové
uspořádání;
● chybně klasifikované pixely jsou většinou asociovány
pouze s určitými třídami;
● chybně klasifikované pixely se většinou nevyskytují
izolovaně, ale v určitých skupinách;
● chybně klasifikované pixely jsou svým výskytem vázány
na typické části klasifikovaných ploch.
Přesnost klasifikace se stanovuje nejčastěji dvěma
způsoby:
a) sestavením klasifikační chybové matice, která srovnává
výsledek klasifikace s testovacími plochami, které
byly použity pro sestavení trénovacího souboru;
b) hodnocením výsledku klasifikace s přímým využitím
trénovacího souboru.
Klasifikační chybová matice se sestavuje pro dané
třídy, kdy se srovnávají jednotlivé pixely v plochách ve
výsledku klasifikace s reálnými „pixely“ určenými v testovacím
území. Příklad takové klasifikační chybové matice
je v následující tabulce:
Tab. 3.5 | Klasifikační chybová matice
třída
kód
suma
pixelů
0 1 2 3 4 5
voda 1 1223 140 1083 0 0 0 0
les 2 1089 115 0 974 0 0 0
Kontaminace 1 3 893 65 0 0 828 0 0
Kontaminace 2 4 666 88 0 0 0 578 0
Kontaminace 3 5 1060 97 0 0 0 0 963
Průměrná přesnost: P K
= 89,76 %
Zdroj: NIKM
Z tabulky je patrno, že správně klasifikované pixely
se nacházejí na diagonále. Počty mimo diagonálu představují
chyby v klasifikaci. Z tabulky lze také velmi dobře
identifikovat třídy, které se spolu nejvíce zaměňují, nebo
až třídy, které od sebe nelze odlišit vůbec.
Průměrná přesnost je tedy stanovena podílem sumy
pixelů na hlavní diagonále a celkovým počtem posuzovaných
pixelů (kategorie 0 jsou neklasifikované / nezařazené
pixely)
n
∑
t = 1
K
= n
P
∑
t = 1
pix
pix
Hodnocení výsledku klasifikace s přímým využitím
trénovacího souboru zahrnuje:
● chyby z opomenutí (vynechání) – ve sloupcích mimo
hlavní diagonálu;
● chyby z nesprávného zařazení – v řádcích matice
mimo hlavní diagonálu;
● přesnost z hlediska uživatele – představuje pro každou
třídu počet správně klasifikovaných pixelů (hodnota
na hlavní diagonále) dělený celkovým počtem
pixelů, které do této kategorie byly zařazeny (suma
v řádce);
● přesnost z hlediska zpracovatele – poměr mezi počtem
správně klasifikovaných pixelů (tedy opět hodnota
na hlavní diagonále) a počtem pixelů použitých
pro testování dané třídy (suma ve sloupci).
diag
Vysvětlivky k tabulce (Tab. 3.6):
● průměrná přesnost je 88,9%,
● CHO = chyba z opomenutí,
● CHZ = chyba z nesprávného zařazení,
● PU = přesnost z hlediska uživatele,
● PZ = přesnost z hlediska zpracovatele.
TS
Tab. 3.6 | Klasifikační chybová matice s využitím testovacích dat
Klasifikovaná
data
Referenční data
třída kód 0 1 2 3 4 5 SUMA PU [%]
voda 1 7 480 0 0 0 0 487 98,6
les 2 11 0 52 0 20 0 83 62,7
kontamin.1 3 12 0 0 312 40 0 364 85,7
kontamin.2 4 10 0 16 0 126 0 152 82,9
kontamin.3 5 9 0 0 0 38 342 389 87,9
SUMA 49 480 68 312 224 342 1475 88,9
CHO [%] 0,0 23,5 0,0 43,8 0,0
CHZ [%] 0,0 27,8 11,4 11,3 10,0
PZ [%] 100,0 30,8 100,0 56,3 100,0
Zdroj: NIKM
38