一种基于边界相异面积的二元分类精度评价方法、系统及存储介质

本发明属于资源与环境分析，具体涉及一种基于边界相异面积的二元分类精度评价方法、系统及存储介质。

背景技术：

1、传统遥感分类精度评价方法主要依赖于像元级别的统计指标，例如总体精度（oa）、kappa系数、f1分数等，这些指标通过比较分类结果与参考样本的匹配程度，衡量分类任务的整体性能。这类方法通常采用随机抽样或人工选点的方式获取验证样本，仅关注像元是否被正确归类为目标地物或非目标地物。然而，地物作为典型的地理对象，不仅具有类别属性，还承载着明确的形状与边界信息。现有评价体系对空间位置信息的缺失，导致其难以全面反映分类边界的提取精度，而后者恰恰是衡量不同算法对地物细节刻画能力的关键。

2、现有技术存在三重核心缺陷：首先，传统方法仅关注像元分类正确率，忽视了地物边界的空间位置信息，导致无法区分算法在边界处理上的可靠性差异；其次，分类边界误差（如长度缩放、空间偏移）对分类后果的影响未被系统量化，例如水陆交界处的混合像元差异难以被传统指标捕捉；第三，现有评价体系缺乏普适性，无法跨分辨率、跨地物类型比较分类方法，且无法定位算法误差类型（如过度分割、过度平滑或边界偏移），导致优化方向模糊。这些问题使得传统方法在实际应用中难以满足对分类边界精度的精细化需求。

3、本发明通过bdai指数实现对边界相异面积的量化评估，技术难点在于如何精准划定边界带状区域并统计分类不一致像元面积。例如，带状区域需自然形成于提取边界与参考边界之间，而非依赖预设缓冲距离，这对复杂地形（如岛屿、多边形嵌套）的适应性提出挑战；同时，误提面积与漏提面积的统计需逐像元对比，且需结合影像分辨率与研究区域面积进行归一化处理，以消除尺度差异影响。此外，误差类型判定需通过误提/漏提比例动态分析，需兼顾不同地物分类任务的特性（如水体、植被、冰雪），进一步增加了技术实现的复杂性。

技术实现思路

1、针对现有技术中存在的上述不足之处，本发明提供了一种基于边界相异面积的二元分类精度评价方法，用于解决如何通过量化边界几何误差对分类后果的影响，以区分不同二元分类方法在边界处理上的可靠性差异。

2、为了解决上述技术问题，本发明采用了如下技术方案：

3、本发明的目的之一在于提供一种基于边界相异面积的二元分类精度评价方法，可实现对边界精度的量化评估。

4、为了实现上述目的，本发明的技术方案为：

5、一种基于边界相异面积的二元分类精度评价方法，包括如下步骤：

6、s1、获取目标区域的二元分类结果，得到提取分类边界矢量数据；

7、s2、获取同一目标区域的参考分类边界矢量数据；

8、s3、以参考边界和提取边界为基准确定边界带状评价区域；

9、s4、统计边界带状评价区域内分类不一致像元的面积，确认误提面积和漏提面积；

10、s5、计算边界相异面积指数bdai；

11、s6、根据误提面积与漏提面积的比例关系判定提取误差类型。

12、进一步优化设计，所述二元分类结果将地表划分为目标地物和非目标地物两类。

13、进一步优化设计，所述参考分类边界矢量数据通过高分辨率遥感影像人工目视解译获取，具体包括筛选成像日期与提取影像时间相差不超过30天、云量覆盖率低于5%的影像。

14、进一步优化设计，所述边界带状评价区域由提取边界与参考边界共同界定，具体包括提取边界向外延伸至参考边界的区域、参考边界向外延伸至提取边界的区域，以及两者交叉重叠形成的区域，该区域无需预设缓冲距离，而是由实际空间关系自然形成。

15、进一步优化设计，所述分类不一致像元的面积统计通过逐像元对比提取结果与参考真值的栅格数据实现，采用混淆矩阵分类统计方法，分别计算误提面积和漏提面积。

16、进一步优化设计，所述边界相异面积指数bdai的计算公式为：

17、

18、其中，acommission为误提面积，aomission为漏提面积，r为影像空间分辨率，s为研究区域面积。

19、进一步优化设计，所述误差类型判定通过比较误提面积与漏提面积的比例实现：

20、若误提面积显著大于漏提面积，则判定为过度分割型偏差；

21、若漏提面积显著大于误提面积，则判定为过度平滑型偏差；

22、若两者相当，则判定为边界偏移型偏差。

23、进一步优化设计，所述方法适用于多种地物分类任务，包括但不限于水体提取、植被识别、土地利用制图，仅需输入参考边界和提取边界即可实现对分类后果的量化评估。

24、本发明的目的之二在于提供一种基于边界相异面积的二元分类精度评价系统，用于在计算机上运行上述基于边界相异面积的二元分类精度评价方法。

25、为了实现上述目的，本发明的技术方案为：

26、一种基于边界相异面积的二元分类精度评价系统，包括数据获取模块、区域划分模块、统计分析模块和误差判定模块，

27、所述数据获取模块被配置为：用于获取目标区域的二元分类结果并得到提取分类边界矢量数据，以及获取同一目标区域的参考分类边界矢量数据；

28、所述区域划分模块被配置为：用于以参考边界和提取边界为基准确定边界带状评价区域；

29、所述统计分析模块被配置为：用于在边界带状评价区域内统计分类不一致像元的面积，并计算边界相异面积指数；

30、所述误差判定模块被配置为：用于根据误提面积与漏提面积的比例关系判定提取误差类型。

31、本发明的目的之三在于提供一种计算机可读存储介质，用于实现上述基于边界相异面积的二元分类精度评价方法。

32、为了实现上述目的，本发明的技术方案为：

33、一种计算机可读存储介质，所述计算机可读存储介质存储有程序指令，所述程序指令被处理器执行时用于实现如本发明的目的之一所述的基于边界相异面积的二元分类精度评价方法及优化设计。

34、本发明与现有技术相比，具有如下有益效果：

35、1.本发明通过划定提取边界与参考边界之间的带状区域，并逐像元统计误提面积与漏提面积，将边界几何误差对分类后果的影响显性化，突破传统像元统计指标对空间位置信息的忽视，实现对分类边界精度的精准刻画。

36、2.本发明通过bdai指数量化分类不一致像元的面积密度，结合误提与漏提面积的比例关系，区分过度分割、过度平滑或边界偏移等误差类型，为算法优化提供明确的误差诊断方向。

37、3.本发明无需依赖特定地物类型或预设参数，仅需输入参考边界和提取边界即可实现对分类后果的量化评估，适用于水体、植被、建设用地等多类地物的二元分类任务。

38、4.本发明通过bdai公式中的分辨率归一化处理，消除不同分辨率影像对评价结果的影响，支持多尺度、多分辨率影像间的分类方法比较。

39、5.本发明通过bdai值的大小及误提/漏提比例分析，可精准定位分类方法的误差类型，为算法改进提供直接的技术依据，提升分类结果的可靠性与空间一致性。