Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
30Activity
0 of .
Results for:
No results containing your search query
P. 1
เอกสารภาษาไทย Image Processing 6

เอกสารภาษาไทย Image Processing 6

Ratings: (0)|Views: 3,101|Likes:
Published by namtenonu
เอกสารภาษาไทย Image Processing 6
know2pro.com
เอกสารภาษาไทย Image Processing 6
know2pro.com

More info:

Published by: namtenonu on Dec 05, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/06/2014

pdf

text

original

 
Image Processing6: Image Understanding andInterpretation
 
1.
กลาวนํ
 
ในบทสุดทายนี  ้
 
จะไดกลาวถึงการระบุหรือจําแนกวัตถุในรู
(ObjectIdentification
หรื
Feature Extraction)
อันเปนกระบวนการสุดทายของ กระบวนการทางการประมวลผลทางภาพ
(Image Processing)
หรื
 
เพื ่อบรรลุสูงสุดของ
Image Processing
ในการที ่ทําใหเครื ่องคอมพิวเตอร
 
สําหรับเทคนิคการทํา
Object Identification
หรื
Feature Extraction
สามารถจําแนกหรือแยกแยะวัตถุตางๆ
 
ใน
Digital Image
เราอาจจะแยกการศึกษานี  ้จาก
Image Processing
เปนหลายแขนงมาเกี ่ยวของ
 
เชน
 Machine Vision
หรือ
Pattern Recognition
โดยอาศัยคณิตศาสตรที ่มี ความซับซอนมากขึ  ้
 
แตในที ่นี  ้
 
เราแนะนําหลักการพื  ้นฐานที ่สําคัญของ
 Image Understanding
เช
Classification, Man-made Extraction
ดังตอไปนี  ้
 2.
การจําแนกรายละเอียด
(Classification)
ในการสํารวจระยะไกล
Classification
คื
 
การจัดกลุ มของวัตถุตางๆในภาพ
 
หรืออาจหมายถึ
 
การสรางแผนที ่เฉพาะ
 
เรื ่อง
(Thematic Map)
จากภาพดาวเทียม
 
โดยหลักการทางคณิตศาสตร
 
รูปที ่
1 Processing Procedure of Classification2.1
ความรู  พื  ้นฐานสําหรับการ
Classification
เพื ่อใหสามารถเขาใจ
Classification
ไดดีขึ  ้
 
เรามีความจําเปนที ่จะตอง ทราบความรู  พื  ้นฐานทางคณิตศาสตรที ่เกี ่ยวของดังตอไปนี  ้
 Discrimination Function
โดยความตามรูปแล
Discrimination Function
หมายถึ
 
ฟงกชั ่นการแยก ความแตกตาง
 
โดยสามารถประยุกตกับการจําแนกรายละเอียดของวัตถุชนิ ตางๆในภาพ
 
อาจจะกลาวอยางๆ
 
คื
 
การหาระยะที ่มากที ่สุดของคาเฉลี ่
 64
 
ของสองสิ ่งหรือมากกว
 
โดยทั ่วไปเราเรียกตัวที ่ใชแยกหรือจําแนกว
 Discriminator
หรื
Classifier
ซึ ่งสามารถอธิบายดวยสมการดังตอไปนี  ้
 
a 1 x 1 + a 2 x 2 + ... + a n x n > x 0 (1)a 1, a 2 , … ,a n
เป
Variable
ที ่เกี ่ยวกั
x 1, x 2, …, n
เปนค
Observation
และ
 
x 0
คื
Vector
ผลลัพธ
 
ที ่เรากําหนด
 
หรืออาจจะนิยามอยางสั  ้นไดว
 (Ax > x 0 ) equiv B (2)
โดยที ่
Ax=
a 1 x 1 + a 2 x 2 + ... + a n x n
 
และ
B= Class
ที ่ใชในการ แยกวัตถุ
 
รูปที ่
2
การทํางานของ
Discrimination Function
จากรูปดังกลาวจะเห็นไดว
 
เราใชสมการเสนตรงในการแยกวัตถุ
2
ชนิและบนหลักการเดียวกันจะนํามาในการจําแนกรายละเอียด
(Classification)
โดยทั ่วไป
Classification
ที ่นิยมในการสํารวจระยะไกล
 
เราสามารถแบงไดเป
2
ชนิดที ่สําคัญคื
Supervised and Unsupervised Classification
โดยจะอธิบายรายละเอียดดังตอไปนี  ้
 
65
 
2.2 Supervised ClassificationSupervised Classification
หมายถึ
 
การจําแนกรายละเอียดใชการคํานวณ เปรียบเทียบชั  ้นการกําหนดความรู  เบื  ้องตนของวัตถุใดๆในภาพที ่ไดเปนชั  ้ ของวัตถุนี  ้โดยที ่เราทราบนัยสําคัญของวัตถุนั  ้นในภาพ
 
เรียกว
TrainingData Set
หรื
 
อาจจะกลาวอีกนัยหนึ ่งคื
 
การใช
Prior Decision
สําหรับ
 Supervised Classification
นั  ้นที ่นิยมใชในงาน
Remote Sensing
มีอยู หลายชนิ
 
เช
 Table Look-up, Parallelepiped, Minimal Distance
เปนต
 
แตในที ่นี  ้
 
จะขอยกตัวอยาง
Supervised Classification
ที ่นิยมใชกันอยาง แพรหลายชนิดหนึ ่งคื
Maximum likelihood Classification
ซึ ่งจะไดอธิบายในรายละเอียดดังตอไปนี  ้
 Maximum likelihood Classification
เปนวิธีหนึ ่งที ่นิยมใชใน
RemoteSensing
โดยที ่
Pixel
ที ่มีจะถูกจัดเข
Class
ตามที ่กําหนดดวยความ เหมือน
(Maximum likelihood)
ของ
Pixel
นั  ้นเมื ่อเปรียบเทียบกั
Class
นั  ้
 
โดยที ่เราสามารถอธิบายดวยรูปที ่
3
และ
 
สมการที ่
3
ดังตอไปนี  ้
 
รูปที ่
3 Maximal Likelihood Classification
66

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->