在遥感图像处理中，我们经常会遇到图像分类的问题，有时我们可以通过ENVI自带的方法进行遥感图像分类，然而，在研究过程中，我们可能需要精度更高的分类结果，所以可能会使用自定义的机器学习、深度学习的方法去进行地物分类（当然，也可以是人工解译的方式），最后进行精度验证，那么问题来了，如何进行精度验证？用什么软件进行精度验证？this is a question. 这篇博客主要就是回答这个问题的

我们这里选择了地信遥感邻域常用的遥感图像处理软件ENVI做精度验证，精度验证的具体流程如下：

这里加载是使用程序或者人工解译分类的.tif图像，当然也可以是ENVI的.dat格式,加载后的原始图像并不能做精度评价，需要转换其为ENVI的class image放可进行精度评价，计算混淆矩阵，具体操作步骤看下面：

工具位置：Slice>Export Color Slices>Class Image

结果 注：ENVI中的混淆矩阵验证工具只接受ENVI

建立验证样本集的方式主要有两种，一是通过ROI直接建立样本集，二是从外部导入shp或者xml文件。

通过ROI建立验证样本

从外部导入已知训练样本（xml文件）

从外部导入已知的训练样本（shp文件）

导入工具

从外部工具选取样本点

直接选取样本点

工具：QGIS

注意：这里的辅助地图也可以是谷歌地图和高德地图，不过选取点要素后需将火星坐标系转换为WGS-84坐标系

从多边形中随机生成样本点

评价过程

结果

原文地址：http://hqs09.top/index.php/archives/36/