《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》
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]。
图表编号 | XD00112200200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.05 |
作者 | 职露、余旭初、邹滨、刘冰 |
绘制单位 | 华北水利水电大学测绘与地理信息学院、信息工程大学、中南大学地理信息系、信息工程大学 |
更多格式 | 高清、无水印(增值服务) |