《表3 Ottawa数据集不同差异图不同算法变化检测指标分析》

  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

《基于融合差异图的变化检测方法及其在洪灾中的应用》

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

Ottawa地区数据集的不同算法差异图如图9（a）—图9（c）所示，并以A表示均值比差异图，B表示相对熵差异图，C表示本文差异图，其对应的每种差异图的不同算法变化检测结果的相关指标分析如表3所示。对于不同差异图Ottawa数据集的本文ICM-MRF算法变化检测结果如图9（d）—图9（f）所示，EM算法变化检测结果如图9（g）—图9（i）所示，K-means算法变化检测结果为图9（j）—图9（l）所示，FLICM算法变化检测结果为图9（m）—图9（o）所示。检测结果中白色点为变化区域的像元点。通过对比各算法的差异图不难看出，均值比算法、相对熵算法与Bern区域结果分析一致，且本文的差异图构造方法在Ottawa数据集内也体现出边缘连续性，区域完整性以及背景对比度均相对较好的效果。不同差异图的变化检测结果中，构造的融合差异图在本文ICM-MRF算法下变化检测结果相对于均值比差异图的检测结果具有更好的细节表现，而相对于相对熵差异图的检测结果具有更好的区域完整性，且Kappa系数也有一定提升。表3中也显示了与Bern数据集基本相似的指标分析结果，由此可见本文算法在两数据集均具有较好的适用性。整体而言，本文算法可以提高变化检测结果的精度，减小错误率。