《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》
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。
图表编号 | XD0029629700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.25 |
作者 | 王嘉宇、张继贤、黄国满、赵争 |
绘制单位 | 辽宁工程技术大学、国家测绘产品质量检验测试中心、中国测绘科学研究院、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 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 分类精度表Tab.2 Classification accuracy table”的人还看了
- 表2 不同隐藏层结构下DCNN的分类精度比较Tab.2 Comparison of DCNN classification accuracy under different hidden layers