Loading
Nota de Estudos
Study Reminders
Support
Text Version

Filtragem de Imagem e Classificação-Lava Resumo

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

    +

Filtragem espacial de Imagens A técnica de filtragem espacial também é chamada de Operação Local, Técnica de Convolução ou Técnica de Filtragem de Convolution. É usado, após o aprimoramento da imagem, para fumar ainda mais a imagem. As Duas Categorias de Filtros Espaciais que são conhecidas no processamento de dados de sensoriamento remoto são: Filtro de baixo passe: Isto enfatica as tendências espaciais regionais e desenfatica filtro de alta passagem local de variabilidade: Isto enfatica a variabilidade espacial local Em Sensoriamento Remoto, é útil computar medidas estatísticas multivariadas como covariância ou correlação entre várias bandas para determinar como as medidas co-variam. Racionamento de banda e Análise de Componente Principal são duas técnicas utilizadas na execução de medidas de estatísticas de imagens multivariadas. Técnica De Transformação de Fourier como técnicas de filtragem espacial, a principal aplicação da técnica de Transformação de Fourier ou de Filtragem de Domínio de Frequência é apriorar imagens. A Transformação de Fourier possibilita que um determinado grupo de frequências e direções sejam enfatizados ou suprimidos por algoritmos conhecidos como filtros.
A filtragem pode ser implementada através de Fourier Transform quando se diz operar no domínio da frequência. Ele também pode ser implementado no domínio espacial de uma imagem em si por um processo chamado convolution.
A maior parte do processamento de imagens é implementada no domínio espacial por causa do número e da complexidade de cálculos necessários no domínio da frequência.
Classificação Imagem de Classificação de Imagem Não Supersupervisionada é a ciência de converter dados de sensoriamento remoto ou imagens em categorias significativas representando condições ou classes de superfície. Os Dois Tipos de Classificação de Imagem são: Classificação de Imagem Supervisionada, Classificação de Imagem Não Supersupervisionada. Classificação De Imagem Supervisionada Em Classificação De Imagem Supervisionada, há intervenção humana, sendo necessário conhecimento prévio da área onde o satélite está focado. Se houver confiança na seleção de conjuntos de treinamento em classificação supervisionada, então é possível que a classificação supervisionada possa ser alcanada com boa precisão. Na Classificação de Imagem Supervisionada, os conjuntos de treinamento são escolhidos manualmente para várias classes. É sempre uma boa prática que pelo menos 2 ou mais conjuntos de treinamento para cada classe devem ser selecionados dentro dessa imagem. Cada conjunto de treinamento ou classe resulta em uma nuvem de pontos que representa a variabilidade de diferentes características espectrais de pixel ou assinaturas nessa classe. Algoritmos de clustering observam as "nuvens" de pixels em espectral "espaço de medição" de áreas de treinamento para determinar qual "nuvem" um determinado não pixel cai em. Os algoritmos de clustering que podem ser utilizados na Classificação de Imagem Supervisionada são: Distância mínima para Classificação de Meios (Método Chain), Classificação de Máxima Verossimilhança Gaussiana, Classificação Paralelepípedo