《表1 1 针对SA数据集的分类结果》

  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CNN的双边融合网络在高光谱图像分类中的应用》

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

第二和第三个实验分别在PU数据集和SA数据集上进行。对PU数据集，随机选取2%作为训练样本，剩余的样本作为测试样本。对于SA数据集，选取0.5%作为训练样本，剩余样本作为测试样本。图6和图7给出了由不同分类方法得到的分类图，表8～表11为相应的定量分析结果。同样地，在视觉效果上，本文所提方法在2个数据集上所展示的地物分类图拥有最少的噪声且与图4所展示的地物分类参考图最为相近；在定量分析中，DFBN模型在PU数据集和SA数据集上的OA分别达到了98.45%和98.74%，OA、KA及AA均高于其他对比方法。所提DFBN模型在IP数据集、PU数据集和SA数据集上均有较好的性能。