《表4 基于SVM监督分类的精度评价》

  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

《基于倾斜摄影综合SVM与模糊规则的城市不透水面信息提取》

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

结合图7-图9，在基于SVM的监督分类中，影像中被树木遮挡的人行辅路不能有效地提取出来；但由表3-表5可见，经过与基于模糊规则的分类方法结合后，人行辅路的提取精度大大提高，并且该类别的整体精度高于单独使用其他两种分类方法的精度。这也表明，基于面向对象的图像分类技术合理地采用了除光谱和纹理特征之外的nDSM模型地物高度特征、各类地物空间位置的关系特征等，有效提高了不透水面信息的提取精度。整体而言，这3种分类方法都能有效实现研究区高精度不透水面信息的提取。对比分析这3种方法，基于模糊规则的分类方法对于各类地物的分类效果较好，但需要不断尝试确定合适的隶属度函数和阈值，分类过程比较繁琐；基于SVM的分类方法通过导入的各类特征信息对训练样本进行训练，自动计算并提取符合函数关系的各类地物，直接生成分类结果，极大地提高了分类效率，但仍存在漏分和错分现象；本文所提出的综合SVM与基于模糊规则的方法能更好地实现不透水面类型的精细划分，一定程度上减小了分类误差。