《表4 不同云检测方法精度对比》

  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

《结合图像特征的支持向量机高分一号云检测》

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

（%）

利用最大似然值算法、传统支持向量机算法和本文方法对4类云层进行检测识别，并采用上述衡量指标进行定量统计对比，具体结果如表4与图7所示。结合表4与图7分析可以得出，3种方法对不同云层的查准率均达到95%以上，其中对点状云和积云的查准率最高达到99%以上，这是因为点状云和积云大多属于厚云，光谱特征上表现较为明显。各方法查全率的表现上差异明显，最大似然值的查全率在58.1%～87.6%之间，波动较大，在卷云和层云的查全上表现最差，均低于70%，传统支持向量机算法的查全率在79.8%～90.2%之间，同样在层云和卷云的查全上表现低于平均水平，而本文方法在查全率上表现稳定，均达到93.9%以上，这是由于层云和卷云特殊的形态，多是中间为厚云，外围薄云环绕，并有着独特的纹理特征，最大似然值法和传统支持向量机算法在薄云检测上稍显不足，而本文方法引入纹理特征作为判读特征之一，所以能够较好地识别薄云。各方法在错误率的表现上，本文方法层云错误率控制在1.1%，其余都控制在1%以下，最大似然值的错误率在1.2%～9.2%之间，传统支持向量机算法的错误率在2.2%～4.3%之间，通过对比分析得出，错分主要出现在云层与不同透水层之间，这是因为二者具有相似的高反射光谱特征，而融入纹理特征的本文方法可以较好地解决这个问题；本文方法最大错误率出现在层云识别上，是因为部分不透水层纹理比较平滑，与层云相似度较高。