基于HNN的亚像元定位算法

亚像元制图是在空间相关性原理的基础上利用低分辨率的软分类结果获得比输入遥感影像更高空间分辨率的土地覆被图。如何精确地描述地物的空间相关性特征是获得高精度亚像元制图结果的关键。目前的亚像元制图方法主要有两种描述空间相关性特征的方式。第一种是从邻域亚像元中提取的亚像元级空间相关性特征；第二种是从邻域像元中提取的像元级空间相关性特征。本资源利用HNN获取亚像元结果的最小能量函数，实现遥感图像亚像元定位

function [producer_accuracyuser_accuracyglobal_accuracykappa]=Classification_Statistic（referenceimg）


%输入的必须是1234...

class=max（max（reference））;
xH=length（img（:1））;
yH=length（img（1:））;
N=xH*yH;  %总像元数（亚像元数）

producer_accuracy=zeros（class1）;  %横向
user_accuracy=zeros（class1）;      %纵向
global_accuracy=0;
kappa=0;



Matrix_error=zeros（classclass）;
 for i=1:xH
       for j=1:yH
           Matrix_error（img（ij）reference（ij））=Matrix_error（img（ij）reference（ij））+1;
      end
 end
 
 

for i=1:class
    user_accuracy（i） =100*Matrix_error（ii）/sum（Matrix_error（i:））;
    producer_accuracy（i）=100*Matrix_error（ii）/sum（Matrix_error（:i））;
end

temp=0;
for i=1:class
    temp=temp+Matrix_error（ii）;
end

global_accuracy=100*temp/sum（sum（Matrix_error））;  %相当于

x_iadd=zeros（class1）;
x_addi=zeros（class1）;
x_rowcolumn=0;
for i=1:class
    x_rowcolumn= x_rowcolumn+sum（Matrix_error（i:））*sum（Matrix_error（:i））;
end

kappa=（N*（temp）-x_rowcolu

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      65144  2016-06-09 18:07  HNN\2015_200_new.tif

     文件       1047  2015-07-30 17:27  HNN\Classification_Statistic.m

     文件        401  2013-05-26 17:45  HNN\DeltaC.m

     文件       1966  2013-05-26 17:45  HNN\DeltaP.m

     文件       1167  2013-05-26 17:45  HNN\DeltaS.m

     文件        642  2015-07-20 10:36  HNN\disrupt_order.m

     文件       2094  2015-01-13 10:11  HNN\fraction_map_curve_fitting.m

     文件       1257  2015-07-20 10:36  HNN\Fraction_to_DataHRC.m

     文件       3539  2017-05-08 09:56  HNN\HNN_main.m

     文件        965  2013-05-26 17:48  HNN\ShowResult.m

     目录          0  2017-05-08 10:02  HNN

----------- ---------  ---------- -----  ----

                78222                    11