《表1 皇甫山高分影像树种分类精度评价》

  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

《结合面向对象和深度特征的高分影像树种分类》

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

模型训练完成后对整幅遥感影像进行分类，利用二类调查成果与野外调查成果验证分类精度。为了验证本文方法的有效性，本文分别用支持向量机、随机森林及本文方法对树种进行分类，利用混淆矩阵、总体精度和Kappa系数进行精度评价，结果见表1，制图结果如图4所示。本文方法树种分类总体精度和Kappa系数分别为78.98%和0.685 0，比支持向量机高15.63%和23.85%，比随机森林高6.82%和13.01%，其中柳树、麻栎、杉木、杨树、毛竹的分类精度都高于传统浅层机器学习方法支持向量机和随机森林，松树和枫香树的分类精度相比传统方法精度相对较低，但都很接近。总体来看，由于深层结构模型包含多层非线性变换，具有更强的表达与建模能力，能够从树种影像中自动学习有效的特征表示，因此分类精度优于传统浅层机器学习方法。综上所述，本文方法能够有效提高高分影像树种分类精度，而且自动化程度更高，更具有稳健性，是一种有效的树种分类方法。