《表2 8种基于相同超像元分割结果的变化检测方法的过程描述》
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
《基于超像元词包特征和主动学习的高分遥感影像变化检测》
为验证本文方法的可行性和优越性,采用如下8种基于同一超像元分割结果的算法进行实验:基于词包模型和改进标注策略的主动学习方法(Bag Of Words-Improved Active Learning,BOW-IAL)、基于词包模型和随机采样的方法(Bag Of Words-Random Sampling,BOW-RS)、基于底层特征和改进标注策略的主动学习方法(LOW-Improved Active Learning,LOW-IAL)、基于底层特征和随机采样的方法(LOW-Random Sampling,LOW-RS)、基于词包模型和传统主动学习的方法(Bag Of Words-Active Learning,BOW-AL)、基于底层特征和传统主动学习的方法(LOW-Active Learning,LOW-AL)、面向对象变化向量分析法(Object-oriented Change Vector Analysis,OCVA)以及基于支持向量机的变化检测方法(Support Vector Machine,SVM)。各算法描述如表2所示。
图表编号 | XD00102964300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 杨进一、徐伟铭、王成军、翁谦 |
绘制单位 | 福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家地方联合工程技术研究中心、福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家地方联合工程技术研究中心、福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家地方联合工程技术研究中心、福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家 |
更多格式 | 高清、无水印(增值服务) |