《表1 分类器方法简写：多层级二值模式的高光谱影像空-谱分类》

  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

《多层级二值模式的高光谱影像空-谱分类》

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

为验证MLBP高光谱遥感影像空-谱分类算法的性能，实验采用可摆脱参数人工调整困惑[2，18]的核极限学习机（kernel extreme learning machine，KELM）分类器。实验1通过对比不同层级二值模式下影像分类精度的变化验证MLBP的有效性；同时，通过对比KELM、支持向量机（support vector machine，SVM）和极限学习机（extreme learning machine，ELM)3种分类器下影像分类精度随训练样本数量改变而变化的规律验证MLBP的稳健性以及KELM的分类性能。实验2主要对比光谱、3Gabor、LBP、多分辨率局部二值模式（multi-resolution local binary patterns，MRLBP）、MLBP空-谱联合等特征下高光谱遥感影像分类的精度差异。各分类器方法见表1，其中，3Gabor为影像经典纹理特征，MRLBP为LBP微观局限改进特征[19]。