《表1 Indian Pines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Indian Pines数据集，10%的数据被随机挑选作为训练样本，剩下90%的数据作为测试样本。本文算法与另外7种分类方法所得分类精度见表1，分类图见图4。从表1可以清楚地看到，本文算法OA、AA、Kappa系数均是最优的，在16个类别中10个类别的分类精度最高，2个类别分类精度排第2，4个类别分类精度排第3。整体上，本文算法分类精度是最优的，分类效果最好。同BTC方法相比，总体分类精度显著地增加了32%；与SVM相比，分类精度高出15%左右；与SOMP、CCJSR、EPF、BTC-WLS相比，分类精度高出了2%～4%，充分说明了算法的优越性。从图4可以看出，由本文算法获得的分类图与参考图更加相符。下面分析参数k和p，参数（δsx，δrx）和分类器选取对本文算法的影响。