《表4 MAD变化/未变化像元检测结果Tab.4 Results of changed/unchanged pixels detected by MAD》

  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

《一种改进CVAPS的LUCC分类自动更新方法》

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

从图4（a）可以看出，MAD方法能够检测出新建的居民地、道路和部分火烧迹地等变化。图4（b）中CVAPS方法检测的长汀县城和沿汀江两岸的变化像元（蓝色框内）明显是错误的。在长汀县城内，地物并没有发生明显的变化，而CVAPS方法却将居民地内部区域检测为变化像元；对于沿汀江两岸，2003年与2013年的土地覆盖类型都是植被，并没有土地覆盖类型的变化。图4（c）中的检测结果则明显避免了4（b）中的错误，并且对道路和火烧迹地的变化检测也很准确，这表明在CVAPS自动更新的模型中引入MAD的变化检测技术对提高模型的自动更新精度具有重要意义。为了定量评价上述3种方法的变化检测精度，同样利用表1中的样本数据，计算各方法变化/未变化像元检测结果的精度（表4—6）。从表中可以看出，本文方法综合了CVAPS方法和MAD方法的优势，将总体精度和Kappa系数分别提高到83.90%和0.674，总体精度比CVAPS提高了近2.6%，Kappa系数提高了近0.06。表5表明，CVAPS方法的未变化像元检测精度比较高，而变化像元的检测精度较低，这可能与该方法仅仅利用后验概率迭代选择未变化像元有关。由于影像中的变化像元数量通常远小于未变化像元的检测数量，较低的变化像元的检测精度直接导致了迭代过程中的未变化像元在自动选择样本过程中逐渐累积，造成分类过程中变化/未变化像元数量的不均衡和检测精度的降低。表4表明，MAD方法中的变化/未变化像元检测精度比较均衡。因此，本文利用MAD方法在每次算法迭代之前通过逻辑运算更新了未变化像元，可以保持变化/未变化像元数量在迭代过程中的动态均衡性，因而最终检测出的变化/未变化像元的错分和漏分误差都相对较低，从而有效提取出了地表变化信息。