《表3 Indian Pines数据集上不同深度学习分类方法的分类精度和运行时间对比》
Indian Pine数据集的定量实验结果如表3所示。可以看出:与其他方法相比,本文SSF-CNN-MRF算法得到了最佳的分类结果。表3中的定量分析再一次验证了从视觉效果上得出的结论。在Indian Pines数据集上,本文提出的SSF-CNN-MRF算法在6个类别中有5个类别都更接近真实标签的精度。和前一个实验情况类似,由于高光谱波段之间存在的信息冗余性,可能无法有效提取纯净且高质量的光谱和空间信息,无法保证每一种地物的分类效果都最好,但是与2D-CNN[37]、3D-CNN[12]和DC-CNN[13]相比,该算法的OA分别增加了2.22个百分点、0.92个百分点和0.34个百分点。
图表编号 | XD00133822100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 张凯琳、阎庆、夏懿、章军、丁云 |
绘制单位 | 安徽大学电气工程与自动化学院、安徽大学电气工程与自动化学院、安徽大学电气工程与自动化学院、安徽大学电气工程与自动化学院、测绘遥感信息工程国家重点实验室(武汉大学) |
更多格式 | 高清、无水印(增值服务) |