《表5 Salinas数据集采用不同方法的分类精度》

  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SPCA和域变换递归滤波的高光谱图像分类》

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

注：最优结果用粗体表示，括号内的数字表示该类别本文算法分类精度的排名。

对于Salinas数据集，训练样本占5%，测试样本占95%。本文算法与另外7种方法所得分类结果见表5。从表5易见，本文算法在OA、AA、Kappa系数上均是最高的。在16个类别中，除4个类别外，本文算法所得分类精度要么最高，要么与最高分类精度相差不大，至多低0.02%～0.80%。从整体上看，本文算法的分类精度是最优的，分类效果是最好的。和BTC、OMP算法相比，本文算法的OA显著地增加了10%左右；与SVM算法相比，本文算法OA增加了6.5%；与SOMP、CCJSR、EPF、BTC-WLS相比，本文算法OA高出1.1%～1.7%。其他的分类指标AA和Kappa有类似的结果，这说明本文算法具有优势。从图7可以看出，本文算法获得的分类图与参考图更加相符，在葡萄园和酿酒庄园表现得尤为明显。同理，在Salinas数据集继续分析参数k和p，参数（δsx，δrx）以及分类器对本文算法的影响。