《表3 San Francisco Bay地区分类定量评价结果比较》

  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

《结合FCN和多特征的全极化SAR土地覆盖分类》

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

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%。