Loading

Module 1: Filtro e classificazione delle immagini

Note di Apprendimento
Study Reminders
Support
Text Version

Filtro immagini e classificazione - Riassunto delle lezioni

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Filtraggio spaziale di Immagini La tecnica di filtraggio spaziale è chiamata anche Operazione Locale, Tecnica di Convolution o Tecnica di filtraggio Convolution. Viene utilizzato, dopo il potenziamento delle immagini, per smusso ulteriormente l'immagine. Le Due Categorie di Filtri Spaziali che sono note nel trattamento dei dati di telerilevamento sono: Basso filtro passa: Questo evidenzia le tendenze territoriali regionali e sottolinea il filtro di variabilità locale di variabilità: questo sottolinea la variabilità spaziale locale In Remote Sensing, è utile calcolare misure statistiche multivariate come la covarianza o la correlazione tra diverse band per determinare come le misurazioni covano. La razionalizzazione della banda e la Principal Component Analysis sono due tecniche utilizzate nell'esecuzione di misure statistiche di immagini multivariate. Fourier Transformation Technique Like tecniche di filtraggio spaziale, l'applicazione principale della tecnica di Fourier Transformation o Frequency Domain Filtering è quella di potenziare le immagini. Fourier Transformation consente di evidenziare o sopprimere un certo gruppo di frequenze e direzioni mediante algoritmi noti come filtri.
Il filtraggio può essere implementato tramite Fourier Transform quando si dice di operare nel dominio di frequenza. Può essere implementato anche nel dominio spaziale di un'immagine stessa tramite un processo chiamato convoluzione.
La maggior parte delle elaborazioni delle immagini sono implementate nel dominio spaziale a causa del numero e della complessità delle elaborazioni richieste nel dominio della frequenza.
La classificazione Image Classification Image non supervisionabile è la scienza della conversione di dati o immagini di telerilevamento in categorie significative che rappresentano le condizioni superficiali o le classi. I Due Tipi di Classificazione Immagine sono: Classificazione Immagine Vigilata, Classificazione immagine non supervisata. La Classificazione Immagine Vigilata Nella Classificazione Delle Immagini Vigilate, c'è l'intervento umano, e la conoscenza preventiva della zona in cui è focalizzato il satellite è necessaria. Se c'è fiducia nella selezione dei set di formazione nella classificazione supervisionaria, allora è possibile che la classificazione vigilata possa essere raggiunta con una buona precisione. Nella Classificazione delle immagini vigilate, i set di formazione vengono scelti manualmente per varie classi. Si tratta sempre di una buona pratica che almeno 2 o più set di formazione per ogni classe devono essere selezionati all'interno di quell' immagine. Ogni allenamento o classe determina un cloud di punti che rappresenta la variabilità di diverse caratteristiche spettrali di pixel o firme in quella classe. Gli algoritmi di clustering guardano le "nuvole" di pixel nello spettro "spazio di misurazione" dalle aree di allenamento per determinare quale "cloud" cade un dato non - pixel. Gli algoritmi di clustering che possono essere utilizzati nella Classificazione Immagine Vigilata sono: Distanza minima alla classificazione Medie (Metodo Catena), Gaussiano Massima Verosimiglianza, Classificazione Parallelepiped