《表2 算法改进前后分割及分类结果局部对比（研究区1)》

  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

《一种多源遥感影像非监督分类方法中的欠分割对象检测与拆分算法》

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

算法改进前后2个研究区的分类结果分别见图5和图6。图7为算法改进前后2个研究区分割结果对比。以研究区1（郊区）为例，改进后的分类结果相对于改进前而言既保留其细节，又通过减轻模型中间分割结果的欠分割问题而改善算法最终分类结果，分类图中其准确程度略逊于利用全色锐化后影像基于像素采用SVM的分类方法，但后者“椒盐”效应较为明显；研究区1影像中改进后算法分类结果亦优于SVM＿MS＿SEG的方法，因后者的分类精度直接受输入的分割体以及基于分割体所提取的特征影响，这里仅采用了多光谱影像光谱值的均值作为每个分割体的特征，因此分类精度较差。表2为研究区1影像中算法改进前后分割及分类结果局部对比图。区域1中，改进前模型由于全色影像水和植被灰度值接近，因此中间分割结果中误将部分水和植被分为同一个分割体，导致最终分类效果不佳；改进后模型通过对欠分割对象的检测和拆分克服了这一问题，得到的分类结果更加接近地表真实值；此外，区域2中，改进前算法中间分割体图中的部分道路和建筑误分为一个分割体，此处误分同样在改进后算法结果中得以避免，最终得到更接近地表真实类别的分类结果。同样，对于城区影像而言，改进后gCRF目视检查来看要优于gCRF及其他方法，见图6。