《表2 分类精度表Tab.2 Classification accuracy table》

  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BRF神经网络的全极化SAR影像分类方法研究》

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

图3（a）为原始影像上SAR信号受极化作用的PauliRGB效果，经过实地调绘，所包含的地物类型主要包括林地、土豆、水体、小麦等。由图3（d）对比调绘图3（a）发现SAR影像使用传统模糊分类时，由于土豆与林地区域边界模糊，边缘平滑度不足，人工选取隶属度函数阈值难以达到最优，以至于将部分土豆错归为林地，存在错分现象。图3（c）为基于像素级RBF神经网络，对经过自适应滤波后的极化SAR数据进行分类所得之结果，对比调绘图3（a），该方法即使进行滤波，依然受噪声影响，对于极化特征突出的地物分类较为适用，例如河流、田地等。图3（b）为本文算法所示结果，对比调绘图3（a），该方法对测区内所包含地物类型分类精确，对小斑块目标提取完整。对比图3（d）与图3（c），本文算法能更好地保持区域一致性，不同地物交界处边缘分类精确，无刺点现象，充分地保持了待分类地物的细节信息。分类精度见表2。