《表1 结合局部自适应阈值多尺度分割和RBF神经网络极化SAR分类混淆矩阵Tab.1 Combining local adaptive threshold multiscale segmentatio

  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

《基于多尺度分割和径向基神经网络的极化SAR影像分类》

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

由图5（d）和图5（f）可以看出，针对像素级的极化SAR图像分类，由于受到相干斑噪声的影响会出现大量错分的孤立点。而RBF和Wishart两种分类方法都对油菜和山区裸地有不同程度的混分，考虑原因可能是由于此处油菜是被放倒的油菜，其散射机制和山区中凹凸不平的裸地较为相似，因此，会出现混分。而本文方法与其他两种方法相比较，有效地杜绝了孤立点和破碎斑块的出现，从而在一定程度上提高了分类精度（表1至表4的混淆矩阵和Kappa系数验证了这一点）。与此同时，由于分割过程中通过逆差分矩判定的局部分割尺度稍大，因此，某些精细边缘没有完整保留。