《表2 GF-2影像GA-PSO-BP分类误差矩阵》

  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

《GA-PSO优化BP神经网络的遥感影像分类方法》

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

为验证影像分类的精度，以及对以上7种分类方法的2种遥感影像分类结果进行比较，采用混淆矩阵（confusion matrix）对分类结果进行定量分析。依据真实遥感影像通过目视解译的方法提取验证样本，并建立混淆矩阵。混淆矩阵的计算在ArcGIS平台上完成。首先，在原始的Landsat-8标准假彩色影像边界范围内生成500个随机点，并对影像上的每个随机点进行赋值。实验中Landsat-8遥感影像地物共分为6个类，其生成随机点的数量比值为94（河流）∶192（林地）∶44（湖泊）∶75（房屋）∶32（道路）∶63（未利用地）。然后，确定检验样本点对应的分类结果的栅格像元值，并建立用于计算分类精度的混淆矩阵。表1为采用GA-PSO-BP分类建立的Landsat-8影像混淆矩阵。最后，采用相同的计算方法对GF-2遥感影像的分类结果建立混淆矩阵（表2）。