《表3 4种方法性能对比：基于聚类与人工神经网络的遥感图像信息提取方法》

  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

《基于聚类与人工神经网络的遥感图像信息提取方法》

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

为验证PCNN神经网络模型的综合性能，在Matlab平台中使用SVM(Supportive Vector Machine，支持向量机），LinkNet卷积神经网络与OTUS阈值法建立水体识别系统，并对比实验。统计SVM向量机模型、LinkNet卷积神经模型与OTUS阈值模型的处理结果。可以得出以下结论：3种方法均可准确识别水体，但SVM向量机法虚警率最高，可达36.6%，OTUS阈值模型虚警率达2.95%，LinkNet模型法虚警率为8.80%，均高于本文PCNN网络法的1.95%。此外，本方法的单帧图像分类时间、平稳运行时间等参数均优于上述3种方法。使用不同数据对4种方法的各项性能进行对比，如表3所示。