《表1 0 不同分类方法针对SA数据集的分类精度》

  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

《基于多尺度近端特征拼接网络的高光谱图像分类方法》

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

在PU数据集和SA数据集上进行的比较实验分别随机选取4%和2%的样本作为训练样本，剩余96%和98%的样本作为测试样本。图7和图8分别展示了2个数据集的地物灰度图以及不同分类方法的分类图，表7～表10则给出了不同分类方法的定量分析结果和分类精度。在2个数据集对比实验中，MPFCN在PU数据集和SA数据集上的OA均最高，分别为99.56%和99.70%。此外，表8和表10展示了在PU数据集和SA数据集下，各对比方法的训练参数数量。总体来说，MPFCN在IP数据集、PU数据集和SA数据集上的3个指标性能均达到最优。