《表2 郑州大学新校区Pleiades影像分类的混淆矩阵》
混淆矩阵能够直观展示出每类地物的分类正确率以及该类地物错分为其他地物的情况。对采用不同算法处理不同影像数据得到的分类结果建立混淆矩阵,如表1和表2所示。由于遥感影像上水体与建筑阴影和植被阴影有着相似的光谱特征,道路与建筑用地也有着相似的光谱特征,因此相互之间错分的可能性较高。通过表1的混淆矩阵可知,FCM和KFCM算法对建筑、植被、水体、裸地和道路错分比较严重,特别是与水体光谱特征相似的建筑物的阴影存在大量的错分;MKFCM算法能清晰地将道路、建筑和水体提取出来,并能够正确地区分建筑物的阴影区域,分类效果明显优于FCM算法。而对于表2的混淆矩阵可知,3种算法都能将建筑用地比较明显地提取出来,但FCM与KFCM算法对与水体光谱特征相似的阴面植被存在严重错分的现象,MFKCM算法能将二者正确地区分开来。
图表编号 | XD00182280100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 张成才、李飞、王艳梅、罗蔚然 |
绘制单位 | 郑州大学水利与环境学院、郑州大学水利与环境学院、郑州大学水利与环境学院、郑州大学水利与环境学院 |
更多格式 | 高清、无水印(增值服务) |