TAILIEUCHUNG - Image Processing for Remote Sensing - Chapter 2

Trong viễn thám phân tích hình ảnh, Markov ngẫu nhiên lĩnh vực (MRF) đại diện cho một mô hình Công cụ mạnh mẽ [1], do khả năng của họ để tích hợp thông tin theo ngữ cảnh liên quan các dữ liệu hình ảnh trong quá trình phân tích [2,3,4]. Trong Đặc biệt, việc sử dụng một mô hình toàn cầu thống kê phụ thuộc của tất cả các điểm ảnh hình ảnh trong phân tích hình ảnh Với một chương trình Thông thường hóa ra để trở thành một nhiệm vụ khó chữa. Cách tiếp cận MRF cung cấp một giải pháp này Cuối. | 2 MRF-Based Remote-Sensing Image Classification with Automatic Model Parameter Estimation Sebastiano B. Serpico and Gabriele Moser CONTENTS Previous Work on MRF Parameter Supervised MRF-Based MRF Models for Image Energy Operational Setting of the Proposed The Proposed MRF Parameter Optimization Experimental Experiment I Spatial MRF Model for Single-Date Image Experiment II Spatio-Temporal MRF Model for Two-Date Multi-Temporal Image Classification. 51 Experiment III Spatio-Temporal MRF Model for Multi-Temporal Classification of Image Sequences . 55 References . 58 Introduction Within remote-sensing image analysis Markov random field MRF models represent a powerful tool 1 due to their ability to integrate contextual information associated with the image data in the analysis process 2 3 4 . In particular the use of a global model for the statistical dependence of all the image pixels in a given image-analysis scheme typically turns out to be an intractable task. The MRF approach offers a solution to this issue as it allows expressing a global model of the contextual information by using only local relations among neighboring pixels 2 . Specifically due to the Hammersley-Clifford theorem 3 a large class of global contextual models . the Gibbs random fields GRFs 2 can be proved to be equivalent to local MRFs thus sharply reducing the related model complexity. In particular MRFs have been used for remote-sensing image analysis for single-date 5 multi-temporal 6-8 multi-source 9 and multi-resolution 10 39 2008 by Taylor Francis Group LLC 40 Image Processing for Remote Sensing classification for denoising 1 segmentation 11-14 anomaly detection 15 texture extraction 2 13 16 and change detection 17-19 . .

• Môi trường
• độc học môi trường
• chất gây ô nhiễm
• quản lý tài nguyên
• xử lý chất thải
• sinh thái học
• viễn thám
• Giáo trình độc học môi trường
• Ô nhiễm môi trường
• Bài giảng độc học môi trường
• Chất thải môi trường
• Chất độc môi trường
• Bài giảng môn Độc học môi trường
• Bài giảng môn Độc học môi trường chương 4
• Chương 4 Độc học môi trường không khí
• Khí thải công nghiệp
• Độc học môi trường không khí
• Bệnh do độc chất trong không khí đối
• Bài giảng môn Độc học môi trường chương 5
• Chương 5 Độc học hóa học
• Độc học hóa học
• Độc chất chiến tranh
• Ảnh hưởng sự tiếp xúc của chất ON
• Độc chất kim loại
• Ảnh hưởng của độc chất kim loại nặng
• Độc học môi trường đất
• Độc học môi trường nước
• Độc tố sinh học
• Chất độc hóa học
• nghiên cứu Độc học môi trường
• tài liệu Độc học môi trường
• iáo trình Độc học môi trường
• Ảnh hưởng của SO2
• Ảnh hưởng của CO
• Bài giảng Độc tố học môi trường
• Đánh giá rủi ro độc học môi trường
• Bài giảng độc học
• Độc học môi trường Tập 2
• Độc học môi trường Dioxin
• Độc học môi trường Cadmium
• Quản lý sự cố độc hại
• Độc học thủy ngân
• Đào thải chất độc
• Hấp thụ chất độc
• Chuyên đề môi trường
• Độc chất trong môi trường sinh thái đất
• Môi trường sinh thái đất
• Chất độc trong đất ngập nước
• Các dạng nhiễm độc trong môi trường đất
• Sức khỏe môi trường
• Độc chất trong môi trường
• Lan truyền độc chất môi trường
• Tiêu chuẩn môi trường