《表1 原始图像的总体分类精度》

  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

《高分辨率遥感图像场景线性回归分类》

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

选取每类场景中的第1幅图像作为训练样本，剩下的9幅为待分类测试图像。分别使用LS方法、RLS方法、WTLS方法和RWTLS方法对遥感图像场景进行线性回归分类，可得四种方法的总体分类精度（表1）。从表1可以看出，使用基于LS方法和WTLS方法的线性回归分类对遥感图像场景进行分类时，所得总体分类精度完全相同，而且RLS方法和RWTLS方法的结果也同样一致。这说明同时考虑观测向量和系数矩阵误差的WTLS方法和RWTLS方法分别与仅将误差限于观测向量的LS方法和RLS方法的总体分类精度相比，并没有得到提高。这一结果表明实验中的原始图像灰度值（即观测数据）包含的随机误差或粗差较小，不足于使得分类器的决策发生变化。LS方法和WTLS方法的总体分类精度为82.222%，而RLS方法和RWTLS方法的总体分类精度为84.444%，后者结果较前者有一定程度的提高，可以看出原始图像的灰度值（即观测数据）包含少量粗差。由于LS方法和WTLS方法没有考虑数据中可能存在的粗差，致使总体分类精度较低，而RLS方法和RWTLS方法则考虑了数据中的粗差，所得总体分类精度更高。因此，能够抵抗或消除粗差影响的RLS方法和RWTLS方法的分类结果更能被接受。