《表4 不同分类方法下分类精度对比情况》

  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

《步进式区域生长的城区摄影测量点云分类》

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

%

为了对不同方法的分类结果进行定量分析，本文引入了总体精度（overall accuracy，OA)，Kappa系数以及制图精度对分类结果进行评价，表4反映了2个数据集分类精度的对比情况。从表4中可以看出，利用本文方法可以获得较好的分类效果，其中，总体精度高达96.45%、94.44%，Kappa系数为94.89%、92.01%，相比于单点分类结果平均提高了2.67%、6.94%，每一类地物的制图精度也都有一定程度的提高，但数据集2中草坪制图精度却略有下降，这是由于数据集2为密集住宅区，相比于数据集1，滤波后的地面点中草坪和裸地交错复杂，部分草坪由于草皮厚度过薄表现出了裸地的一些性质，且窄路众多，点密度稀疏，导致分割结果中不可避免地存在少数裸地合并入草坪的现象。此外，本文对传统区域生长算法的分割结果也进行了分类处理，虽然本文提出的分割方法分割结果准确度略低于传统区域生长，但却获得了相对较好的分类效果，绝大多数地物类别的制图精度、总体精度和Kappa系数都保持了上升趋势，仅有少数地物的制图精度略有下降（如：数据集2中的建筑物和车辆），这是由于传统分割结果中过分割的面片不能较好地反映对应地物的特征信息导致。但文中方法不可避免的也会存在一些欠分割现象，影响某些地物的分类精度。综上，面对复杂城区的倾斜摄影测量点云，本文方法较其他两种分类策略有着更好的表现，可以获得相对较高的分类精度。