《表4 不同算法的总体分类准确度(Indian Pines数据集)》
表3为不同算法在不同地物类别上的分类准确度,表4为不同算法的总体分类准确度,表3和表4中粗体表示所有分类算法中的最高分类准确度。从表3和表4易看出,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。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85.39%、91.57%和83.46%。ODSF方法比3D-SVM-MRF、SVM-MRF和3D-SVM在整体分类准确度上分别大约提高5%、3%和14%,在平均精度上分别大约提高了3%、7%和10%,在Kappa系数上分别大约提高了5%、15%和15%。从各地物类别的分类准确度来看,ODSF在16类当中有10个地物类别分类准确度均高于其他算法,其中在第1、2、11和15类别中的分类准确度提升明显。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1/4,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3D-SVM相似,比SVM-MRF大约多10s。
图表编号 | XD0084331600 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) |