《表4 添加密度为5%椒盐噪声的总体分类精度的均值》

  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

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。