《表5 特征向量Lk取值：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

分类实验工作站配置为Intel Corei7-5557U CPU 3.10 GHz、RAM 4.0 GB，软件包括Windows 10（64）位操作系统与Matlab 2015a。实验过程中，KELM和SVM的核函数采用径向基函数（radial basis function，RBF），核参数σ、正则项参数C通过交叉验证进行设置。ELM的隐藏节点数根据文献[20]进行设置。KELM空间特征权重μ（光谱特征权重为1-μ）为0.4。3Gabor滤波器带宽设置为1像素，波长为2，方向为（π/4，0），空间方位比为1，窗口大小为7×7×7像素。LBP、MRLBP、MLBP的邻域半径和采样点个数（R，P）以及特征直方图窗口w依据文献[16]进行设置。其中，LBP的w为15像素，（R，P）为（2，8）；MRLBP的w为15像素，（R，P）为（2，8）与（2，10)；MLBP的w分别为10、30，15、30，20、30像素，（R，P）为（2，8）。除对比分析不同层级二值模式分类精度时k取值1、2、3之外，其他实验过程中k为2（见表5）。整个实验过程结果采用总体分类精度（overall accuracy，OA）、Kappa系数（k）作为算法性能评估指标。