《表3 不同算法的分类精度》

  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

《基于三角网滤波和支持向量机的点云分类算法》

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

为验证算法的整体分类效果，将本文算法整体分类结果与和传统SVM分类器和NN-SVM分类器的分类结果进行比较，结果如图9所示。用单类精度和整体精度评价分类结果，如表3所示。从图9和表3可知，传统SVM和NN-SVM提取地面点时，容易将平整的建筑物房顶等区域误分类为地面点，而本文算法通过IPTD滤波对地面点分类效果更好，分类精度为92.7%，高于传统SVM的79.2%和NN-SVM的86.5%。在地物点分类方面，从表3中可知，NN-SVM的分类精度全面优于传统SVM，并且耗时更短。本文算法基于双层NN-SVM分类地物点，分类准确性与NN-SVM相比，植被点分类精度从87.4%提升至91.6%，建筑物点分类精度由88.2%提升至93.3%，本文算法总体分类精度为92.6%，高于其他两种算法，分类效果更优。在耗时方面，本文算法采用多层分类策略，总耗时比NN-SVM多，但是基于分类速度快的NN-SVM分类器，所以比传统SVM耗时更少。