《表1 原始图像的总体分类精度》
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。
图表编号 | XD00118447100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.31 |
作者 | 龚循强、鲁铁定、刘星雷、周秀芳、崔统博 |
绘制单位 | 东华理工大学测绘工程学院、东华理工大学江西省数字国土重点实验室、东华理工大学测绘工程学院、东华理工大学测绘工程学院、东华理工大学测绘工程学院、东华理工大学测绘工程学院 |
更多格式 | 高清、无水印(增值服务) |