《表3 Pavia University数据集的融合结果客观评价指标》
图2为Pavia University数据集使用多种融合算法得到的融合视觉结果。可以看出,PCA融合得到的图像空间性能较好,但是该算法融合的图像较暗,具有一定的光谱失真。GFPCA融合的图像在一些细节区域较为模糊,如放大区域。BSR和MGH融合得到的图像整体也稍微偏暗,且在某些细节信息不够清晰。GSA和本文算法的融合结果清晰明亮,在空间方面效果都较好,在光谱保持性能方面,本文算法保持得较好,GSA有轻微的光谱失真。因此,与其他融合算法相比,本文算法有效提升了空间信息,且更好地保持了光谱信息。表3中列出了多种融合算法的客观评价指标值,最优值用粗体表示。可以看到,本文算法的CC值最大,SAM、RMSE和ERGAS值均最小。说明本文算法在客观指标上较其他算法有更好的性能表现,且进一步证明了本文算法在光谱和空间方面均能够取得优秀的融合效果。
图表编号 | XD002720600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 曲家慧、李云松、董文倩、郑毓轩 |
绘制单位 | 西安电子科技大学综合业务网国家重点实验室、西安电子科技大学综合业务网国家重点实验室、西安电子科技大学综合业务网国家重点实验室、西安电子科技大学综合业务网国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |