《表2 HSI高光谱融合图像的SAM和FSSM分类误差矩阵Tab.2 Error matrix from SAM and FSSM based on the HJ1A-HSI fused hypers

  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

《基于频谱和光谱特征的高光谱地物分类比较》

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

运用SAM方法和FSSM方法分别从空间域和频率域对研究区进行分类，其中FSSM方法根据能量累计的情况（表1），选择前7次幅度谱参与距离计算，分类精度结果见表2。图5是两种方法的分类专题图。从表2可知:SAM方法的总体分类精度为83.49%，Kappa系数（OKA）是0.807 8；FSSM分类的精度验证结果显示，总体分类精度为84.19%，Kappa系数（OKA）是0.815 8。FSSM的分类精度比SAM提高了0.7%，具有更好的分类效果，而马尾松、杉木和阔叶林的生产者精度分别提高了1.9%、1.6%和3.8%。误差矩阵分析发现，由于研究区阔叶林夹杂在针叶林中且分布较少，导致了两种植被类型的混淆；居民区包括的地类成分较为复杂，明暗不均匀的不透水表面，与建筑用地和采伐区极易混淆；水体的误分，主要是由于图像成像于4月份，部分河面水位低，裸露的河床光谱反射率较高与建筑用地和居民地易于混淆。