《表2 不同融合算法的面向对象分类提取崩岗面积及精度》

  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

《南方崩岗区Pleiades影像融合评价及自动识别》

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

采用面向对象的识别方法，可以克服传统分类方法中对样本提取所出现的“椒盐”效应，减少“同谱异物”和“同物异谱”的问题[11]。由于崩岗的发生多在山地林地，目视解译的方法可以较好的提取崩岗范围，结合计算机自动提取可以提高对崩岗范围提取的效率。图2、表2可以看出，HPF高通滤波融合方法融合后的影像提取崩岗面积结果最为接近目视解译所提取的崩岗面积，面积重合度达到98.11%，但崩岗提取的边界较为破碎，崩岗发生的位置与目视提取存在差异；能量分离变换融合后的影像提取崩岗面积与目视解译较为接近，与目视解译面积误差为5.58%，可以整体对影像中崩岗样本进行提取，接近目视解译所提取的崩岗面积，对研究区混合型崩岗的形态提取较好，可以帮助研究人员对崩岗发育形态进行判断，且崩岗边界与林地边界区分清晰，能反映研究区崩岗面积的实际情况。