《表4 实验运行时间：ESTARFM相似像元选取方法的改进研究》

  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

《ESTARFM相似像元选取方法的改进研究》

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

从表4可以看出对于整景图像而言，ES‐TARFM需要2 h以上，而ESTARFM＿NL模型则1个多小时就可以完成融合，而对于裁剪后的图像，其数据量大约减少了5.5倍，ESTARFM运行时间需要20 min左右，而ESTARFM＿NL则可以在10 min左右完成。将两种模型方法运行时间对比计算可以发现，ESTARFM＿NL的运行效率均提高40%以上。而且通过不同数据量的时间对比发现，当数据量增加时，运行时间不是一种线性变化，而是会表现为更慢，可见对于海量的数据处理应用，ESTARFM的运行效率则会更慢，而ES‐TARFM＿NL在保持精度的前提下，可以实现运行效率的大幅上升，对于海量数据应用具有重要价值。同时，ESTARFM＿NL避免了阈值设定的主观性，降低了相似像元选取结果的不确定性，使得其融合结果相对稳定，不受制于分类数的变化。