43、全色IKONOS图像分类与RGB - D相机动作识别技术解析

全色IKONOS图像分类与RGB - D相机动作识别技术解析

全色IKONOS图像分类

在全色IKONOS图像分类的研究中，测试样本与训练数据集有着明确的划分。测试数据集共选取了19498个样本，其中建筑类有3568个样本，道路类有4787个样本，植被类有8634个样本，水体类有2509个样本。训练数据集和测试数据集用于分类的像素数量如下表所示：
| 类别 | 训练数据集像素数 | 测试数据集像素数 |
| ---- | ---- | ---- |
| 建筑 | 621 | 3568 |
| 道路 | 297 | 4787 |
| 植被 | 1259 | 8634 |
| 水体 | 333 | 2509 |
| 总计 | 2510 | 19498 |

采用BPTS神经网络进行分类时，树中所有节点的属性是由强度、均值和标准差组成的3输入向量。神经网络分类器采用单隐藏层结构，包含3个输入节点、5个隐藏节点和4个输出节点。基于训练数据集的分类率达到了100%，基于测试数据集的分类率为99.91%。

为了进行对比，采用MLC方法对测试数据集进行分类，其分类率仅为55.33%。MLC方法假设每个波段中每个类别的统计数据呈正态分布，并计算给定像素属于特定类别的概率，在未选择概率阈值的情况下，所有像素都会被分类，每个像素会被分配到概率最高的类别。

实验还对不同数量的隐藏节点进行了测试，以找到最佳的分类效果。不同隐藏节点数量对应的测试数据集分类率、CPU时间和均方误差（MSE）如下表所示：
| 隐藏节点数量 | 测试数据集分类率 | CPU时间（秒） | MSE |
| ---- | -