Đang chuẩn bị liên kết để tải về tài liệu:
Image Processing for Remote Sensing - Chapter 10a

Dịch từ: Tiếng Anh Số tiền của dữ liệu hình ảnh từ vệ tinh Đó là nhận IS liên tục tăng. Đối với Ví dụ, gần 3 terabyte dữ liệu được gửi về trái đất Là bởi vệ tinh của NASA mỗi ngày [1]. Những tiến bộ trong công nghệ vệ tinh và khả năng tính toán cho phép các nghiên cứu có đa phương thức, đa quang phổ, đa độ phân giải, và nhiều thời gian tập hợp dữ liệu cho các ứng dụng Chẳng hạn như giám sát sử dụng đất đô thị và quản lý, GIS và lập bản đồ, môi trường thay. | 10_ Spatial Techniques for Image Classification Selim Aksoy CONTENTS 10.1 Introduction.225 10.2 Pixel Feature Extraction.227 10.3 Pixel Classification.231 10.4 Region Segmentation.236 10.5 Region Feature Extraction.238 10.6 Region Classification.240 10.7 Experiments . 240 10.8 Conclusions . 243 Acknowledgments . 246 References . 246 10.1 Introduction The amount of image data that is received from satellites is constantly increasing. For example nearly 3 terabytes of data are being sent to Earth by NASA s satellites every day 1 . Advances in satellite technology and computing power have enabled the study of multi-modal multi-spectral multi-resolution and multi-temporal data sets for applications such as urban land-use monitoring and management GIS and mapping environmental change site suitability and agricultural and ecological studies. Automatic content extraction classification and content-based retrieval have become highly desired goals for developing intelligent systems for effective and efficient processing of remotely sensed data sets. There is extensive literature on classification of remotely sensed imagery using parametric or nonparametric statistical or structural techniques with many different features 2 . Most of the previous approaches try to solve the content extraction problem by building pixel-based classification and retrieval models using spectral and textural features. However a recent study 3 that investigated classification accuracies reported in the last 15 years showed that there has not been any significant improvement in the This work was supported by the TUBITAK CAREER Grant 104E074 and European Commission Sixth Framework Programme Marie Curie International Reintegration Grant MIRG-CT-2005-017504. 225 2008 by Taylor Francis Group LLC 226 Image Processing for Remote Sensing performance of classification methodologies over this period. The reason behind this problem is the large semantic gap .