《表3 误差混淆矩阵：基于超像素分割变化特征提取的高铁环境变化监测》

  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

《基于超像素分割变化特征提取的高铁环境变化监测》

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

其中，Feature＿value为变化特征图层的特征值，changemax、changestdev分别为变化区域的最大值和标准差，unchangemin和unchangestdev为未变化区域的最小值和标准差。应用该阈值进行特征图层分类，将图层区域分为变化区域、未变化区域和混淆区域。基于2015年、2017年遥感影像，分别计算两个时相下的归一化植被指数（NDVI）、归一化水体指数（NDWI）和亮度值（bright），并以此为特征选择样本，使用决策树分类器，对混淆域进行二次分类，最终将区域划分为变化和未变化两类[14]。新增的彩钢瓦房（见图6 （a）、（b）、（e）、（f）） 以及拆除的房屋（见图6 （c）、（d）） 、楼房建筑（见图6 （g）、（h）） 得到较明显的识别。受数据获取时相、拍摄角度等影响，高耸建筑和房屋阴影无法做到完全的配准，导致部分区域存在错分的现象[15]。以变化区域和非变化区域为目标区域，在两个目标区域分别随机生成100个检验点，通过目视叠加分析的方式对变化监测精度进行检验，统计得到混淆矩阵（见表3）。由表3可知，变化监测的总体精度为91%，错分率为4%，漏分率为5%。