《表4 结合纹理特征的SVM分类样本混淆矩阵》

  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

《基于多极化特征和纹理特征的PolSAR图像分类》

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

由样本的混淆矩阵可以看出，Wishatr监督分类中植被、水体和道路三种地物都得到大致区分，其中水体的样本精度达到99.90%，但建筑物与裸地的分类精度不高。只加入极化特征的SVM分类得到的混淆矩阵显示植被、水体、建筑物、裸地都出现明显的错分现象，其样本精度很低。只加入纹理特征的SVM分类实验中，水体的精度较高，但建筑物的样本精度仅为44.52%，错分较明显。结合极化与纹理信息的SVM分类结果中植被，水体，建筑物，道路，裸地五种地物的样本精度综合来看都高于另外三种监督分类方法，说明本文的分类方法能够有效改善分类效果。