《表2 Pavia University数据集不同算法的精度比较》

  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

《利用多属性剖面概率融合的高光谱影像分类》

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

表1和表2分别给出了2个数据集在8种算法下的性能比较结果。其中，所有的指标均为10次运行的平均值。对于Indian Pine数据集，特征权重的参数τ设为0.075。从中可以看出，当仅依靠纯光谱波段分类时，精度最低，OA只有18.60%。这说明在训练样本数量很有限时，纯光谱分类难以得到满意结果。当引入AP特征后，分类精度得到显著提升。在4种单一特征中，面积属性特征获得最好的分类精度，OA达到79.70%。而3种融合方法集成了4种属性剖面的特性，均得到更好的分类结果。其中，本文方法获得最高精度，OA、AA和Kappa系数分别达到83.41%、89.05%和0.810。对于Pavia University数据集，特征权重的参数τ设为0.5。从表2中同样可以看出，纯光谱分类的精度最低；当结合AP特征后，精度得到提升；当采用多特征融合方法时，精度进一步提高，其中本文方法获得最佳的分类性能。