Exercícios Medidas de Acurácia para classificação de imagens
Processamento Digital de Imagens - PDI
Curso Técnico em Geoprocessamento
Prof. Daniel C. Zanotta
1) Defina com as suas palavras qual é a diferença entre precisão e exatidão (acurácia). Utilize em
sua resposta palavras como observações, média, diferença, verdade de referência.
2) É possível ter uma boa precisão e uma má acurácia simultaneamente. Por que é impossível ter
uma boa acurácia acompanhada de uma má precisão?
3) Explique em que situações a precisão e acurácia calculadas são iguais.
4) Em classificação de imagens, onde coletamos amostras diretamente pela imagem ou em
investidas em campo, podemos determinar a precisão ou a acurácia do resultado? Explique.
5) Em classificação de imagens utilizam-se amostras de cada classe disponível para definir os
parâmetros estatísticos (média e desvio padrão) de cada classe para, subsequentemente, realizar
o processo de classificação para toda a imagem. Explique como se dá a análise do desempenho
dos classificadores em imagens de SR:
a) O que é a matriz de confusão?
b) É possível que os resultados apresentados pela matriz de confusão não reflitam o
desempenho real do classificador para a imagem inteira? Em que situação isso ocorre?
c) Por que a Acurácia Global e o índice Kappa não devem ser utilizados para verificar o
desempenho de estudos de detecção de mudanças?
6) Dada a matriz de confusão:
Classes da verdade terrestre
Classes do Mapa
Temático
Água
Solo
Veget.
Água
250
12
6
Solo
15
36
32
Veget.
50
19
85
Total de pixels
Mapa Temático
Total de pixels da verdade
terrestre (amostras)
a)
b)
c)
d)
Complete os espaços vazios com os valores corretos;
Calcule a acurácia Global;
Determine o índice Kappa;
Dado o índice calculado, qual foi o resultado qualitativo da classificação?
7) Proponha uma função em linguagem Matlab para determinar a acurácia global de uma
classificação. Os parâmetros de entrada devem ser as amostras de treinamento e o mapa
temático (imagem classificada). Não esqueça que o mapa classificado tem o mesmo nlin e ncol
da imagem original. No mapa temático, o pixel que pertence à classe 1 recebe o valor 1, à
classe 2 recebe o valor 2, e assim por diante. Se quiser testar a função, classifique umas das
imagens disponíveis utilizando um dos três métodos vistos e utilize o resultado como
parâmetro de entrada nesta função.
8) Assim como na questão anterior, proponha uma função para calcular o índice kappa resultante
de uma classificação. Os parâmetros de entrada são os mesmos da questão anterior.
Formulário
n
RMS 

AG 
    xi 
n
2
i 1
n
RMSE 
N
100%

2
i
i 1
n
N   i 1 M ii   i 1 SLi  SCi
c
c
M ii
i 1
 v  x 
c
N 2   i 1 SLi  SCi
c