《表2 各地物简易编号:结合FCN和多特征的全极化SAR土地覆盖分类》
表2为各地物的简易编号。表3和表4为各算法在两研究区的定量评价结果,可以看出,FCN-Vgg19-8s网络模型的各项评价指标表现均不如SegNet网络模型,在San Francisco Bay地区后者整体精度和Kappa系数较前者分别提高了1.89%和2.84%;在平原县后者总体精度和Kappa系数较前者分别提高了0.97%和2.45%。DC-MA-FCN网络模型在SegNet网络模型的基础上各项精度略有提升,在San Francisco Bay地区前者总体精度和Kappa系数较后者分别提高了1.40%和1.54%;在平原县地区前者总体精度和Kappa系数较前后者分别提高了2.25%和2.23%。本文算法组合DC-MA-FCN网络模型和形态学进行分类,相较于DC-MA-FCN网络模型的分类结果其精度更加优异,在San Francisco Bay地区前者总体精度和Kappa系数较后者分别提高了1.44%和2.55%;在平原县前者总体精度和Kappa系数较前后者分别提高了2.07%和3.33%。
图表编号 | XD00115476500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.20 |
作者 | 谢凯浪、赵泉华、李玉 |
绘制单位 | 辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所、辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所、辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所 |
更多格式 | 高清、无水印(增值服务) |