原影像 最大似然法进行监督分类结果 监督分类的最大似然法分类结果中，主要的地物都可以被区分出来，地物分布也很清楚的展现出来，只是生成的结果又很严重的椒盐现象，分析可能是选取训练区时认为造成了误差。缺点就是没有将结果中的颜色按照真实地物的颜色进行修改，下次实习应该注意。 4、 计算Kappa系数，生成混淆矩阵： Overall Accuracy = (194/212) 91.5094% Kappa Coefficient = 0.8961 Ground Truth(Pixels)： 水稻水浇居民工业河流 草地 林地 裸地 Total 田 地 地 区 Unclassified 0 0 0 0 0 0 0 0 0 Class 11 0 0 0 0 0 0 0 11 水稻田 4 62 0 0 0 2 0 0 68 水浇地 0 0 7 0 0 0 0 0 7 河流 0 0 0 19 0 0 1 0 20 居民地 4 2 0 0 8 0 0 0 14 草地 0 0 0 0 4 27 0 0 31 林地 0 0 0 1 0 0 18 0 19 工业区 0 0 0 0 0 0 0 42 42 裸地 Total 19 64 7 20 12 29 19 42 212 Ground Truth(Percent)： 水稻水浇居民工业Class 河流 草地 林地 裸地 Total 田 地 地 区 Unclassified 0 0 0 0 0 0 0 0 0 57.89 0 0 0 0 0 0 0 5.19 水稻田 21.05 96.88 0 0 0 6.9 0 0 32.08 水浇地 0 0 100 0 0 0 0 0 3.3 河流 0 0 0 95 0 0 5.26 0 9.43 居民地 21.05 3.13 0 0 66.7 0 0 0 6.6 草地 0 0 0 0 33.3 93.1 0 0 14.62 林地 0 0 0 5 0 0 94.74 0 8.96 工业区 0 0 0 0 0 0 0 100 19.81 裸地 Total 100 100 100 100 100 100 100 100 100 Class(Percent) Prod. (Percent) Acc. (Pixels) User(Pixels) 57.89 100.00 11/19 11/11 水稻田 96.88 91.18 62/64 62/68 水浇地 100.00 100.00 7/7 7/7 河流 95.00 95.00 19/20 19/20 居民地 66.67 57.14 8/12 8/14 草地 93.10 87.10 27/29 27/31 林地 94.74 94.74 18/19 18/19 工业区 100.00 100.00 42/42 42/42 裸地 5、Clump Classes和Sieve classes结果： Clump Classes3*3处理结果： Clump Classes5*5处理结果： 在聚类统计的结果上很容易看出原本监督分类的生成结果中严重的椒盐现象消失了,地物类型都相对完整,但有些细节已经被消除看不清楚,3*3窗口与5*5窗口生成的结果区别就在于3*3窗口的细节较5*5窗口的更加清楚具体, 5*5窗口将周边的面积较小的地物完全合并在一起. Sieve classes结果（Number of Neighbors设为8）： Sieve classes结果（Number of Neighbors设为4）： 对影像的过滤分析生成的结果显得椒盐现象更加严重,结果影像上出现了很多小黑点, Number of Neighbors的值设置的越小,小黑点越密集,但是经过过滤分析的影像”孤岛”现象都已经消失. 6、主要次要分析结果显示和对比： 主要分析（kernal size为3*3）： 主要分析（kernal size为7*7）： 主要成分分析得到的结果较好,椒盐现象得到避免,3*3窗口与7*7窗口很明显的区别就是相邻地物之间的合并,分析窗口越小,地物信息更加具体,细节体现的更好. 次要分析（kernal size为3*3）：