《表2 分割方法评价Tab.2 Segmentation method evaluation proposed in this paper》

  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

《基于可见光—近红外图像的幼龄檀香全磷含量诊断》

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

注:（1）代表本文提出算法；（2）代表支持向量机算法；（3）代表Photoshop CS5处理；ER、EG、EB分布代表R、G、B波段的均值误差。Notes:（1）stands for the algorithm presented in this paper；（2）stands for support vector machine algorithm；（3）stands for image processi

算法所用的模板和结构元素均为大量的对比试验后得到的最佳方案。将使用本文提出算法（编号为 （1）） 、ENVI 5.1软件中的支持向量机分类法（编号为 （2）） 和Photoshop CS5处理（编号为 （3）） 得到的结果进行比较（其中PS处理为评价基准），随机抽取3张图像展示结果（表2）。从表2中可以看出:（1）在像素数和颜色误差方面均要优于（2）的处理结果，这是因为支持向量机算法对土壤和叶片的分割效果较差，易出现误分割，导致像素误差较大，绿波段均值降低，红波段均值和蓝波段均值升高。