《表6 不同算法的总体分类准确度(Salinas数据集)》
表5为不同算法在不同地物类别上的分类准确度,表6表示不同算法的总体分类准确度,表5和表6中粗体表示所有分类算法中的最高分类准确度。从表5和表6中可以看出,利用空间信息的ODSF、3D-SVM、SVM-MRF和3D-SVM-MRF分类准确度明显高于只利用光谱信息的SVM和LDA-SVM方法。从总体分类准确度、平均分类准确度和Kappa系数这3个评判标准上来看,ODSF均高于其他算法,ODSF的OA、AA和k分别为97.15%,98.45%和96.83%。ODSF方法比3D-SVM-MRF、SVM-MRF和3D-SVM在总体分类准确度上分别大约提高2%、3%和2%,在平均精度上分别大约提高了1%、2%和2%,在Kappa系数上分别大约提高了2%、4%和5%。从各地物类别的分类准确度来看,ODSF中每类有着较高的分类准确,其中在第15类别中的分类准确度提升明显,比SVM、LDA-SVM、SVM-MRF、3D-SVM和3D-SVM-MRF分别大约提高38%、33%、28%、16%和6%。在计算时间上,SVM与LDA-SVM明显小于其他利用空间信息的方法,ODSF大约是3D-SVM-MRF的1/3,这说明在3D-DWT之前应用OLDA对高光谱图像进行降维处理,可大大减少3D-DWT成15倍增加特征为后续分类带来的计算负担;与SVM-MRF相似,大约是3D-SVM的2倍。
图表编号 | XD0084331100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 曲海成、郭月、王媛媛 |
绘制单位 | 辽宁工程技术大学软件学院、辽宁工程技术大学软件学院、辽宁工程技术大学软件学院 |
更多格式 | 高清、无水印(增值服务) |