《表7 Indian相同训练样本的分类精度》
表6展示了Indian数据用本文方法和直接使用SVM分类原始高光谱图像的结果,随着原始波段数的增加,两种方法的整体精度都有所提高。在SVM直接对原始波段分类的结果中,30个波段的分类精度相较于20个波段提升不明显,由于实验随机选择训练样本导致30个波段的部分分类精度低于20个波段的分类精度。为了验证精度降低是随机选择训练样本导致的,实验在选取1%、2%、3%训练样本时,选择了相同位置像素点,并进行了分类对比,结果见表7。实验结果表明,当训练样本相同时,30个波段的分类精度高于20个波段的分类精度。本文方法相较SVM直接分类,其分类精度均有明显提升。当选择10个波段,用SVM分类时,1%的训练样本的分类精度为52.3%,本文方法分类精度达到67.04%,提高了大约15个百分点。当训练集增加到10%时提高了大约22个百分点。图4、图5分别为两种方法的分类效果图及混淆矩阵,其中(a)、(b)、(c)分别为SVM对10、20、30个波段的Indian数据分类结果,分类精度分别为70.23%、75.97%、77.56%。(d)、(e)、(f)分别为本文方法对10、20、30个波段的分类结果,分类精度分别为94.87%、95.18%、96.52%。两种方法均采用10%的样本作为训练集。从图中可以看出,本文方法对Indian数据中的每一种地物的分类精度都高于SVM直接分类方法,但对于样本较少地物,其分类精度依然有待提高。
图表编号 | XD00107100900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.15 |
作者 | 陈方杰、李吉明、杨东勇 |
绘制单位 | 浙江工业大学信息工程学院、浙江警察学院计算机与信息技术系、浙江工业大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |