《表2 不同算法对Indian Pines数据集中各类地物的分类精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《考虑空间相关性的半监督局部保持投影的高光谱图像特征提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

1) 与其他半监督算法对比，对比LPP-SCSSFE与SSLPP、SSDR-PCP可知，同一地物（除1和6）的分类精度都相对提高。表2中第8类地物（Soybean-clean），LPP-SCSSFE的分类精度比SSLPP提高了12.65%，比SSDR-PCP提高了13.62%。在该高光谱图像源数据中，第3类地物和第10类地物呈现同谱异物现象，通过本文LPP-SCSSFE算法处理后的分类精度高于SSLPP、SSDR-PCP算法处理后的精度。对比结果表明:LPP-SCSSFE综合考虑样本之间的光谱相似性和空间相关性以及光谱不相似的地物间的差异性，极大提升了图像数据的空间区分度，可有效地获得更好的分类结果。