《表8 各算法的计算时间（s)》

  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

《基于分层引导滤波与最近邻正则化子空间的高光谱图像分类》

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

最后，在前述的三个数据集上对各分类算法的计算时间进行比较，选用的训练与测试样本数目与表2～4相对应．实验环境为windows10，CPU 2.6GHz，RAM 16GB，MATLAB2016b．实验结果如表8所示，HiFi-We用时最长，主要用于分层引导滤波过程与多尺度特征联合投票分类．本文所提方法与HiFi-We相比，HGF-NRS仅保留最终的滤波输出用于分类，数据体量与原始待分类的高光谱数据一致，滤波迭代次数更少，且利用了分类效率较高的NRS分类器，整体时间开销相对较少．EPF-G-g方法主要耗时在SVM的分类阶段，其需要对图像内所有像元进行预分类以获得分类概率图，此操作会随着高光谱图像尺寸的增加而产生明显的时间开销，分类概率图的后处理阶段因待滤波的数据量较少并未产生明显的耗时，总体上仍有较高的效率．在NRS的基础上，JCR2的平均邻域像元的操作步骤产生少量的耗时．Gabor-NRS因采取了波段选择策略，减小了待分类数据的维度，获得了相对较高的效率．由此，HGF-NRS可通过高效的波段遴选方法加速分类过程以提高其效率，此将作为进一步的工作内容．