《表4 实验组及对照组分类结果F分数》

  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

《城市河网的低空遥感影像全卷积神经网络水质等级分类》

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

为与所提算法进行对比，借助成熟的遥感图像处理软件ENVI 5.3，使用极大似然法对实验区1的水体进行了分类。对照实验的分类结果如图4所示。囿于篇幅，仅列出对照实验的F分数，如表4所示。表3中水质分类精度计算的是各类水质等级的像素分类精度的平均值，非水类分类准确率明显高于水质分类的原因是非水像素的五波段像素值都被置为零，分类相对容易，故非水像素的分类精度并未计入。从图4可见，极大似然法不仅在相邻两等级的水质分类上存在混淆，甚至会混淆分属非相邻等级水质的像素。所提出的U型全卷积神经网络模型虽然在Ⅳ类与Ⅴ类水之间存在一定混淆，但总体上以较理想的精度实现了不同水质等级的水体分类，平均水质分类精度为87.96%。