最大似然法_监督分类_遥感影像

8波段的遥感影像，其中包含建筑物、道路、植被、 水四种地物类型，现已从四种类型中分别选取了训练样本若干，分别存储在building.xls、road.xls、vegetation.xls和water.xls四个文件中，unknow.xls文件中存储了待分类像素在8个波段上的灰度值以及这些像素的真实地物类型，要求利用最大似然法对unknow.xls中的像素进行分类，并利用unknow.xls文件中最后一列的类别信息对分类结果进行精度评价。已求出总体精度、用户精度、制图精度、Kappa系数。内附数据以及结果文件。 需要更改读取文件的路径为自己的路径。matlab完美运行

function class=supervised_classification（~）
[U]=xlsread（‘D:\朝花夕拾\淡\遥感原理与应用\分类——实验\road\unknown.xlsx‘）;%感兴趣区数据
u=U（:1:8）;%感兴趣区8个波段的灰度值
[munu]=size（u）;
A=xlsread（‘D:\朝花夕拾\淡\遥感原理与应用\分类——实验\road\building.xls‘）;   %建筑物
B=xlsread（‘D:\朝花夕拾\淡\遥感原理与应用\分类——实验\road\road.xls‘）;       %道路
C=xlsread（‘D:\朝花夕拾\淡\遥感原理与应用\分类——实验\road\vegetation.xls‘）; %植被
D=xlsread（‘D:\朝花夕拾\淡\遥感原理与应用\分类——实验\road\water.xls‘）;      %水
MA=mean（A）;MB=mean（B）;MC=mean（C）;MD=mean（D）;%均值
EA=cov（A）; EB=cov（B）; EC=cov（C）; ED=cov（D）; %协方差
[mana]=size（A）;[mbnb]=size（B）;[mcnc]=size（C）;[mdnd]=size（D）;
PA=ma/（ma+mb+mc+md）;
PB=mb/（ma+mb+mc+md）;
PC=mc/（ma+mb+mc+md）;
PD=md/（ma+mb+mc+md）;
%判别
for i=1:mu
    %选择UNKONW 的第i个向量X
    %计算Da Db Dc Dd
    X=u（i1:8）;
     
    Da=-0.5*（（X-MA）*inv（EA）*（X-MA）‘）-0.5*log（det（EA））+log（PA）;
    Db=-0.5*（X-MB）*inv（EB）*（X-MB）‘-0.5*log（det（EB））+log（PB）;
    Dc=-0.5*（X-MC）*inv（EC）*（X-MC）‘-0.5*log（det（EC））+log（PC）; 
    Dd=-0.5*（X-MD）*inv（ED）*（X-MD）‘-0.5*log（det（ED））+log（PD）;
    D=[Da Db Dc Dd];
    [xy]=max（D）;
    class_now（i1）=y;
   
end

uo=U（:9）;
%c=0
%for i=1:mu
    %if（uo（i1）==class_now（i1））
       % c=c+1;
    %end
%end
class=class_now;

[fnamefilepath]=uiputfile（‘*.txt‘‘分类结果另存为‘）;
fid=fopen（strcat（filepathfname）‘wt‘）;
fprintf（fid‘分类结果：\n‘）;
for j=1:mu
    fprintf（fid‘%d\n‘class（j1））;
    
end
%精度

XX=confusionmat（uo‘class‘）;%混淆矩阵
disp（XX）;
disp（XX（44））;
sp=0;
XKS=0;
for i=1:4
    pu（i）=XX（ii）/（XX（i1）+XX（i2）+XX（i3）+XX（i4））;%用户精度
    sp=XX（ii）+sp;
    pA（i）=XX（ii）/（XX（1i）+XX（2i）+XX（3i）+XX（4i））;%制图精度
    XKS=XKS+（XX（i1）+XX（i2）+XX（i3）+XX（i4））*（XX（1i）+XX（2i）+XX（3i）+XX（4i））;%kappa系数
end

p=sp/mu;%总体精度
Kappa=（mu*sp-XKS）/（mu^2-XKS）;
fprintf（fid‘总体精度：\n‘）;
fprintf（fid‘%f\n‘p）;
fprintf（fid‘用户精度：\n‘）;
fprintf（fid‘%f\n‘pu）;
fprintf（fid‘制图精度：\n‘）;
fprintf（fid‘%f\n‘pA）;
fprintf（fid‘Kappa系数：\n‘）;
fprintf（fid‘%f\n‘Kappa）;

fclose（fid）;
disp（p）;

end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-05-25 10:19  road\
     文件      254976  2018-05-25 10:07  road\building.xls
     文件      218112  2018-05-25 10:07  road\road.xls
     文件       50417  2018-05-25 10:07  road\unknown.xlsx
     文件      226816  2018-05-25 10:07  road\vegetation.xls
     文件      253952  2018-05-25 10:07  road\water.xls
     文件         165  2018-05-25 10:19  road\~$unknown.xlsx
     文件        2161  2018-06-01 12:28  supervised_classification.m
     文件        2618  2018-06-01 12:31  监督分类结果.txt
     文件       12185  2018-05-31 22:21  说明.docx