SAR变化检测的性能指标(kappa系数)——简化版
来源:互联网 发布:vb集成开发环境可以 编辑:程序博客网 时间:2024/06/07 03:13
原来博客中写过比较复杂的一种计算kappa系数的方法,具体的细节可以看:http://blog.csdn.net/wyl1813240346/article/details/56843409。在这里写一下比较简单的计算kappa系数的方法,并给出计算的代码。
对于变化检测来说是一个二分类问题(变化类和非变化类),我们假设图像的总像素为N,参考图像中未改变的像素数量为Nu,改变的像素的数量为Nc。于是我们将参考图像(ground truth)与用算法产生的变化图像进行逐像素比较。以这种方式:
- 若该像素在参考图像中为变化的类别,而使用自己算法得到变化图像中的类别为未变化类别,统计这样的像素个数,假设统计的数目总数为FN(有时候也用MA表示,代表漏检数目);
- 若该像素在参考图像中为未变化的类别,但是使用自己算法得到变化图像中的类别为变化类别,统计这样的像素个数,假设统计的数目总数为FP(有时候也用FA表示,代表虚警数目);
- 若该像素在参考图像中为变化的类别,同时使用自己算法得到变化图像中的类别同样为变化类别,统计这样的像素个数,假设统计的数目总数为TP;
- 若该像素在参考图像中为未变化的类别,同样使用自己算法得到变化图像中的类别为未变化类别,统计这样的像素个数,假设统计的数目总数为TN。
于是四者的关系为:
为了进一步评估结果,总误差(OE)用作显示总体性能的标准。 其定义如等式所示:
但是使用总误差OE来衡量整体的性能不是很精确。实际上,在分类域中,经常使用Kappa系数作为衡量指标。Kappa的值越高,结果越好。 Kappa系数可以由下式计算:
其中,
KC的值通常在0到1的范围内。从式中可以看出KC取决于TP、TN、FN、FP四个相关的值,而OE仅取决于TP和TN总和的值。因此,KC更详细的涉及了分类信息,是一个更加精确的系数。
计算kappa系数的代码为:
function [TN,TP,FN,FP,OE,KC]=Kappa(refImage,testImage)% refImage:代表参考图像(即ground truth)% testImage:代表变化图像%-------------------------------------------------------------------------if isempty(refImage) error('!!!Not exist reference map');end%将图像转化为列向量RI=refImage(:);TI=testImage(:); [m,n]=size(testImage);%计算参考图像与测试图像不相同的像素点的个数TN = find(RI==0&TI==0);%参考图像为未变化像素,检测的结果也为未变化像素,即真反例TP = find(RI~=0&TI~=0);%参考图像为变化像素,检测的结果也为变化像素,即真正例FP = find(RI==0&TI~=0);%参考图像为未变化像素,检测的结果为变化像素,即假正例FN = find(RI~=0&TI==0);%参考图像为变化像素,检测结果为未变化像素,即假反例TN = numel(TN);TP = numel(TP);FP = numel(FP);FN = numel(FN);Nc = FN + TP;Nu = FP + TN;OE = FP + FN;PRA = (TP+TN)/(m*n);PRE = ((TP+FP)*Nc+(FN+TN)*Nu)/(m*n)^2;%计算相同的比率KCKC = (PRA-PRE)/(1-PRE);
参考文献:
Unsupervised change detection in SAR images based on locally fitting model and semi-EM algorithm.
有什么不对的地方欢迎指正,互相学习。
阅读全文
0 0
- SAR变化检测的性能指标(kappa系数)——简化版
- FLeiss Kappa系数和Kappa系数的Python实现
- 混淆矩阵(交叉表)及Kappa系数的计算
- SAR图像变化检测的评价方法
- SAR图像变化检测的评价指标
- Kappa系数
- Kappa系数
- Kappa系数
- Torch7平台上基于CNN的SAR图像变化检测
- 一致性检验 -- Kappa 系数
- kappa 一致性系数计算实例
- 计算混淆矩阵和Kappa系数
- kappa系数在评测中的应用
- kappa系数在评测中的应用
- 东河口的悼念——“09分享集结爱”Kappa-梦舟车队入川第二天
- Angular的变化检测
- 遥感分类精度评价方法--混淆矩阵和kappa系数
- torch平台上利用K-means方法实现SAR图像变化检测
- localStorage的设置和取值Demo
- Python基础学习记录
- Git之(二)基础命令
- DAY-04
- STM32L151 usart2 串口2 程序
- SAR变化检测的性能指标(kappa系数)——简化版
- 全国各地区怎么注册公司????
- 分类与回归树(CART)- 机器学习ML
- 学习WPF的第一步
- 【Vuforia官方文档】在Unity中动态改变模型的显示
- ZSTACK协调器掉电重新组网无法加入网络的解决
- 人工智能时代来临,看未来的司法如何运行?
- Git之(三)辅助命令
- Java-简体汉字转换成拼音