《表1 模拟高光谱数据生产者精度及整体精度比较》

  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

《空间权重自适应的MRF高光谱图像模糊聚类方法》

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

4种方法的聚类结果如图5所示。可以发现，FCM聚类结（果图5(a））中，由于林地和草地光谱异变，存在较为严重的同物异谱现象，在聚类过程中出现了较多的误分，其中林地部分像元被误分为裸地，草地的部分像元被误分为林地。通过对该聚类结果进行滤波后处理，即利用空间连续性对噪声进行去除，从图5(b）中看出图5(a）中分类结果的麻点噪声得到较好的抑制，林地和草地的地块完整性增强。通过表1中林地和草地的生产者精度发现，该方法处理获得这2类地物的精度得到明显提高，整体分类精度也较FCM获得较大幅度提高，但裸地的分类精度却严重下降，这主要是由于裸地位于林地和草地的边界处，为线状地物，在处理过程中很容易发生过平滑现象。在GWMRF-FCM方法中，聚类过程具有明显噪声抑制的效果，并且图5(c）的中心区域的草地区域聚类更加完整，但由于其空间项权重没有考虑不同地物的连续性程度，在对不同地物处理时的权重完全一致。在本实验中，草地的效果很好，精度达到100%，但较草地噪声影响更严重的林地中，由于空间信息考虑的程度不足，造成麻点在聚类过程中未被完全去除；相反，裸地在考虑空间信息时又产生了过分类的情况，造成其分类精度下降。但表1中显示GWMRF-FCM较FCM-median filtering分类结果中裸地的精度略高。最后，通过图5(d）可以看出，本文提出的AWMRF-FCM自适应地考虑了不同地物的空间连续性程度，其中林地和草地由于连续性较强，其梯度信息较弱，则给予较高的空间权重，而裸地处于地物的边界处，梯度信息很强，则给予较低的空间权重，保留其细节信息。表1中的分类结果证明，通过自适应权重马尔科夫随机场模型聚类方法处理获得3类地物的分类精度没有明显很低的情况，整体分类精度最高。