《表2 第1组实验精度评价指标》

  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Relief-PCA特征选择的遥感图像变化检测》

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

从表2和表3可知，本文所提出的基于Relief-PCA特征优选的对象级遥感图像变化检测方法，Kappa系数在2组实验图像中分别达到0.838 0和0.884 1，总体精度则分别达到92.48%和94.48%。相比于方案1中使用单一光谱特征进行PCA降维后的CVA方法，本文方法引入了纹理特征信息，从实验结果可以看出，总体精度超过方案1的10%左右，Kappa系数显著高于方案1。表明本文方法对特征进行选择后，不仅引入了高质量的空间信息，还剔除了光谱特征中的冗余信息，变化检测效果明显改善。同时，相比较于方案2中出现的较为严重的“椒盐”现象，本文方法未出现该现象。主要原因是本文方法基于对象级的变化检测具有很好地抗“椒盐”噪声的能力。