《表2 不同方法对加噪合成图像分割所得到的分割精度SA》

  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

《基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法》

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3～5分别显示了各方法对加噪合成图像（分别加入方差为0.01、0.02和0.05高斯噪声）的分割结果。从图中可以看到，RFCM、KGFCMS、ARKFCM和FRFCM对噪声较为敏感，不同区域边界模糊，错分点较多。在GFCM＿MS所实现的结果中，错分点很少，区域边界比较清晰，因此该算法对高斯噪声具有鲁棒性，得到了满意的分割结果。表2给出了不同方法对加噪合成图像分割所得到的分割精度SA。由表中的SA可以看出，FRFCM方法表现出较高的精度，但该方法随着噪声强度的增加其分割精度逐步下降。GFCM＿MS对不同强度噪声表现出很好的鲁棒性，较大程度上抑制图像中噪声，分割精度始终保持>0.94。综合图3～5和表2，GFCM＿MS分割性能明显优于其他方法。