《表3 分类结果评价：协同GF-2号和OLI影像的土地利用模糊分类方法》

  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

《协同GF-2号和OLI影像的土地利用模糊分类方法》

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

精度评价结果如表3所示，可以看出，OLI影像数据因受自身空间分辨率较低的影响，分类精度最低，但其具有稳定的光谱，基本可以区分各类地物，林地与耕地的混淆最严重，道路也没有明显区分，河滩中的草地完全没有分离；GF-2号影像分类结果的地物信息更丰富，分类更精细，房屋建筑区与道路基本上完整提取，河滩与其紧邻的草地也被较明显地区分开，但较多的耕地被错分为草地；综合利用光谱、纹理和空间信息的土地利用模糊分类方法能扬长避短，更准确地反映研究区内各类地物的分布情况。基于面向对象的分类思想，在图像分割的基础上，协同融入光谱信息、纹理信息和空间信息，不仅深入挖掘了影像自身所蕴含的语义信息，而且充分利用了各地物的边界信息。与仅依据光谱信息的分类方法相比，该方法的Kappa系数提高了0.14。从各地物类型来看，耕地的分类精度最高，其次是水体。影响精度的错分地物主要为田坎易与田间道路混淆，河流边稀疏林地与河流边草地的光谱信息较接近、易于混淆，较小的池塘从语义表达上易与小面积的水田混淆，部分河滩易与房屋建筑区混淆。