《表4 添加密度为5%椒盐噪声的总体分类精度的均值》
此外,通过交叉验证实验对四种方法的线性回归分类结果进行比较,采用不同序号的图像作为训练图像所得的总体分类精度如图3所示。为了确保实验结果的准确性,将100次运行结果的平均值作为最终分类结果,所得总体分类精度的均值如表4所示。从图3可以看出,不论训练图像如何变化,LS方法和WTLS方法的总体分类精度都完全相同。而RLS方法和RWTLS方法的总体分类精度都明显高于LS方法和WTLS方法,且RWTLS方法的总体分类精度均稍高于RLS方法。对比表2和表4发现,添加密度为5%的椒盐噪声后,四种方法的总体分类精度均值都出现了不同程度的降低,其中LS方法和WTLS方法的总体分类精度均值都从73.556%降低为41.244%,均降低了32.312%。而RLS方法和RWTLS方法的总体分类精度均值降低的幅度较小,分别从74.667%和74.889降低为69.334%和71.311%,仅分别降低了5.333%和3.578%。以上结果表明,在采用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时,RLS方法和RWTLS方法较LS方法和WTLS方法有更好的优越性,且以RWTLS方法为最优。
图表编号 | XD00118447900 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) |