《表5 本文算法对T2影像的混淆矩阵和精度评价》

  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

《基于引力自组织神经网络的震害遥感影像分类》

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

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。