《表1 2种方法的精度评估》

  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

《基于粒子群优化和像元分解模型的遥感影像时空融合》

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

从图5可以看出，各散点图中的散点都位于1∶1线附近，说明2种方法都能较好地对未知影像数据进行预测。但在窗口大小固定的情况下，本文方法与实际影像的相关性更强，散点更接近于1∶1线，而ESTDFM方法预测的结果偏低，即大部分位于1∶1线以下，因此本文方法较原始ESTDFM方法更优。2种方法精度的详细评估见表1。从表1可以看出，2种方法预测影像的RMSE都较小，说明2种方法对于影像的预测效果都较好。但ESTDFM方法预测影像的AD均小于0，预测值相对于实际值偏小；而本文方法在绿光和近红外波段反射率偏大（AD=0.000 72和AD=0.002 90），在红光波段反射率偏小（AD=-0.006 20）。为进一步分析预测影像和实际影像之间的差异，通过观察RMSE发现，在绿光、红光和近红外波段本文方法相比于ESTDFM方法误差更低；就R2而言，本文预测影像与实际影像的线性关系比ESTDFM方法更强；从SSIM可以看出，本文方法预测的影像与实际影像相似程度更大，可以更好地反映地物的细节变化。因此，从不同比较方案中均可看出，本文方法的优越性更突出，相比于ESTDFM方法计算结果更加准确。