《表1 不同算法在Indian Pines的分类精度》
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
《一种基于改进双边滤波的鲁棒高光谱遥感图像特征提取方法》
从表1~3中可看出,在BF基础上改进的COBF算法成效显著。COBF-SVM的OA最高,在Indian Pines、Salinas和PaviaU中比BF-SVM的OA分别高15.8%、6.6%和14.2%,同时比EPF-SVM的OA分别高14.5%、8.3%和16.8%。和LBP-SVM、HiFi和SSN相比,COBF-SVM在Indian Pines中的OA分别高3.3%、2.7%和2.6%,在Salinas中分别高6.3%、9.5%和3.4%,在PaviaU中分别高20.2%、8.8%和1.2%。当训练样本从每类抽取10增至50时,OA也随之提高,且和其他分类方法相比,COBF-SVM的OA均最高,至少超出0.3%,尤其是当OA达到96%之后。当PaviaU图中训练样本数量只有10时,OA精度已达90.6%,在Salinas图中甚至达到96%。这种利用极少样本就能得到识别率的方法在现实中具有非常重要的实用价值。
图表编号 | XD00173647700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.05 |
作者 | 陈志坤、江俊君、姜鑫维、白露、蔡之华 |
绘制单位 | 北部湾大学资源与环境学院广西北部湾海洋灾害研究重点实验室、中国地质大学(武汉)计算机学院、哈尔滨工业大学计算机科学与技术学院、中国地质大学(武汉)计算机学院、北京理工大学管理与经济学院、北部湾大学资源与环境学院广西北部湾海洋灾害研究重点实验室、中国地质大学(武汉)计算机学院 |
更多格式 | 高清、无水印(增值服务) |