《表5 本文算法对T2影像的混淆矩阵和精度评价》
总体来说,由于分形二阶统计量对于局部特征量的有效度量,本文建立的分类模型在T1倒塌建筑物场景下的分类精度比经典的SVM分类精度提高了4.7%,Kappa系数提高了0.07;在T2泥石流、倒塌房屋场景的分类中,分类精度提高了13.68%,Kappa系数提高了0.20。从表2和表3中看出,由于完整房屋和倒塌房屋具有相似的光谱特征,SVM方法中完整房屋和倒塌房屋区域混分很严重,分类精度很低,而本文算法利用分形纹理特征和对相邻地物的相关性的把握,对于光谱极其相似的地类有着较强的区分能力。从表4和表5中看出,完整房屋和草地在空间上的分布较为分散,SVM的方法很容易将其漏分或错分,而本文算法则利用一致函数,消除了分类结果噪声现象。相对于SVM,本文提出的算法具备明显的优势。
图表编号 | XD0061526000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 黄惠、郑雄伟、孙根云、郝艳玲、张爱竹、容俊、马红章 |
绘制单位 | 中国石油大学(华东)地球科学与技术学院、青岛海洋国家实验室海洋矿产资源评价与探测技术功能实验室、中国自然资源航空物探遥感中心、中国石油大学(华东)地球科学与技术学院、青岛海洋国家实验室海洋矿产资源评价与探测技术功能实验室、中国石油大学(华东)地球科学与技术学院、青岛海洋国家实验室海洋矿产资源评价与探测技术功能实验室、中国石油大学(华东)地球科学与技术学院、青岛海洋国家实验室海洋矿产资源评价与探测技术功能实验室、中国石油大学(华东)地球科学与技术学院、青岛海洋国家实验室海洋矿产资源评价与探测技术功能实验室、 |
更多格式 | 高清、无水印(增值服务) |