《表2 基于cart监督分类的建筑物震害提取结果混淆矩阵》

  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

《全卷积神经网络在建筑物震害遥感提取中的应用研究》

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

为验证本文所采用方法的有效性，在相同数据集的条件下，利用面向对象的遥感图像分类软件—ecognition 9.02版本进行建筑物震害提取试验。采用面向对象监督分类的思想，试验的基本流程为图像分割、样本选择、监督分类。图像分割方法采用软件自带的多尺度分割算法，监督分类算法同样采用软件自带的cart决策树算法。经反复试验比较，多尺度分割算法中的形状参数设为0.1，紧致度参数设为0.5；选用的分类特征包括亮度均值、各波段亮度标准差、形状指数、各方向的灰度共生矩阵、灰度共生矩阵标准差。最终的试验结果如表2所示，背景、倒塌建筑物和未倒塌建筑物的分类精度分别为59.6%、84.7%和49.0%，总体分类精度为62.9%，Kappa系数为37.3%。可见其总体精度远低于本文所采用的全卷积神经网络方法。