《表3 不同算法对每类地物的分类准确度（Indian Pines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

（%）

图3为表3中不同算法的地标分类图和Indian Pines数据集的真实地标图。可从图3看出，首先，SVM和LDA-SVM的地标分类图噪声点较多，噪声点多说明分类不准确，这是因为它们没利用空间信息。其次，噪声点较少的是3D-SVM和SVM-MRF，但相比SVM-MRF，3D-SVM的分类效果明显不佳。最后，ODSF最接近真实地标图，3D-SVM-MRF次之，并且它们几乎没有噪声点，这说明OLDA和3D-DWT结合提取的特征集比3DWWT提取的特征集更具判别性，同时也说明从空间滤波和利用空间上下文这两方面利用空间信息分类更准确，可有效改善地标分类图的噪声点。