《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》
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。
图表编号 | XD0029623500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.25 |
作者 | 张佳琪、张继贤、赵争、王嘉宇 |
绘制单位 | 中国测绘科学研究院、国家测绘产品质量检验测试中心、中国测绘科学研究院、城市空间信息工程北京市重点实验室、辽宁工程技术大学 |
更多格式 | 高清、无水印(增值服务) |