《表2 不同方法在Pavia University数据集上的分类结果》

  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

《基于双通道空洞卷积神经网络的高光谱图像分类》

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

unit:%

所有方法的分类地物图如图6所示。从图6可以看到，SVM和AEAP方法的分类图错分严重，与真实地物图像差别较大，FEFCN-ELM方法的分类结果虽有提升，但仍存在许多错分情况，DCD-CNN方法的分类结果与真实地物图更贴近，仅有少数几个错分类别。实验结果说明，所提方法具有更好的分类精度。