《表6 不同算法的总体分类准确度（Salinas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

《一种新的空谱联合高光谱图像分类方法》

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

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。