《表4 面向对象分类结果精度检验》

  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

《基于无人机多光谱影像的蔬菜种植监测技术研究》

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ENVI5.1中，使用基于实例的面向对象分类法对研究区无人机多光谱影像上的各类蔬菜进行分类。经过反复测试，图像分割选择边缘检测算法（Edge），阈值设为55.2，对影像上的地物进行分割，形成单个对象；合并选择Full Lambda Schedule算法，阈值设为99.3，将相邻的、具有相似光谱、纹理和几何特征的对象合并、融合成为更完整的对象，效果如图6所示。对象划分完成后，根据目视解译选取较为典型的对象作为训练集，使用最邻近算法对各类蔬菜进行自动分类，阈值参数设置为5，邻近值设置为1，结果如图7所示。与基于像元的分类结果相比，面向对象分类结果各个蔬菜类别内部一致性较好，错分和漏分的情况较少；不同种类蔬菜地块边界明晰，与各类蔬菜的真实分布最为接近，具有很好的分类效果。由表4所知，其制图精度、用户精度和总精度均大于90%，Kappa系数>0.9，表明面向对象蔬菜分类结果与实际情况几乎完全一致，具有很高的分类精度。