《表1 不同尺度LBP纹理特征在住宅区遥感图像上的分类结果比较 (UC Merced Land-Use数据集)》

  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

《结合金字塔和局部二值模式的遥感图像分类》

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

在第一类标准遥感图像数据集UC Merced LandUse中每类住宅区遥感图像各用60幅作为训练集，30幅图像作为测试集，10幅图像作为验证集，分类结果如表1所示。可以看出:与原始分辨率的住宅区遥感图像相比，随着图像尺度的降低，分类正确率逐渐减小，原因是图像分辨率的减小，使得具有较强分辨能力的LBP纹理特征也在减少；当图像分辨率为64×64和128×128时，分类正确率只有82%和86.7%，但是将两个尺度下提取的LBP特征融合后（特征向量个数为11 328），分类正确率提升到了91.7%，表明低尺度纹理特征的融入有助于提高遥感图像分类的准确率；将三个尺度下提取出的LBP纹理特征融合后（特征向量个数为26 432），分类正确率达到了95%，但是在融合256×256和128×128两种尺度纹理特征时（特征向量个数为22 656），分类正确率达到96.7%，高出三尺度融合正确率1.7%，表明过低尺度的纹理特征并不总是有利于分类正确率的提高。总体来说，多尺度纹理特征融合后的分类正确率要高于单尺度特征分类正确率，平均提升6.49%。