دست بندی میدان های تسهیل یافته و تصادفی مشروطی در طیف فضائی بر مبنای سنجش از دور

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 409

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NACONF01_1383

تاریخ نمایه سازی: 25 خرداد 1393

چکیده مقاله:

میدان های تصادفی و مشروط (CRF) اخیرا برای دسته بندی سنجش تصاویر از راه دور معرفی شده اند تا اطلاعات متنی را در دسته بندی سنجش از راه دور ایجاد نمایند. این میدان ها از خصوصیات فضائی در عناصر تصویری داده های طیفی و طبقه بندی ها استفاده می کنند.اما،این مورد با هدفگیری مقادیر زیادی از پارامتر های نمونه مرتبط می باشد. در این نوشته، کارائی هدفگیری با اصلاح نمونه مشروط CRF بهبود یافته است.وگروهی از موانع محدوده ای به طور همزمان در این چار چوب اعمال نفوذ می نمایند تا از اصلاح بیش از حد جلوگیری نمایند. مزیت های این شیوه ابداعی با استفاده از داده های واقعی سنجیده شده از راه دور در نتایج آزمایشی نشان داده شده اند.

کلیدواژه ها:

میدان های تصادفی مشروط( CRFs) ، اطلاعات متنی ، میدان تصادفی مارکو( MRF) ، دسته بندی طیفی_فضائی

نویسندگان

عبدالله پوزاد

دانشجوی کارشناسی ارشد مهندسی محیط زیست گرایش ارزیابی و آمایش سرزمین دانشگاه پیام نور استان تهران مرکز تهران شرق

علی محمدزاده

دانشجوی کارشناسی ارشد مهندسی محیط زیست گرایش ارزیابی و آمایش سرزمین دانشگاه پیام نور استان تهران مرکز تهران شرق

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J. A. Richards and X. Jia, Remote Sensing Digital Image ...
  • vol. 41, no. 9, pp. 1940-1949, Sep. 2003. ...
  • J. A. Benediktsson, J. A. Palmason, and J. Sveinsson, "Classification ...
  • M. Fauvel, J. A. Benediktsson, J. Chanussot, and J. Sveinsson, ...
  • Y. Tarabalka, J. Chanussot, and J. A. Benediktsson, "Segmentation and ...
  • S. Velasco-Forere and V. Manian, "Improving hyperspectral image classification using ...
  • G. Camps-Valls, N. Shervashidze, and K. M. Borgwardt, _ 'Spa ...
  • S. Geman and D Geman, "Stochastic relaxation, Gibbs distributions, and ...
  • J. A. Richards and X. Jia, "Managing the sp ectral-spatial ...
  • Y. Tarabalka, M. Fauvel, J. Chanussot, and J. A. Benediktsson, ...
  • C. A. Bouman and M. Shapiro, _ multiscale random field ...
  • J. Lafferty, A. McCallum, and F. Pereira, "Conditional random fields: ...
  • S. Kumar, "Models for Learning Spatial Interactions in Natural Images ...
  • J. A. Benediktsson, M. Pesaresi, and K. Arnason, "Classification and ...
  • J. A. Richards and X. Jia, ":A dempster-sh afer relaxation ...
  • Y. Tarabalka, J. A. Benediktsson, and J. Chanussot, _ 'Spectra ...
  • Context-Based Classification, " Ph.D. dissertation, Comput. Sci, Carnegie Mellon Univ., ...
  • P. Zhong and R. Wang, "Learning conditional random fields for ...
  • B. Krishnapuram, L. Carin, M. Figueiredo, and A. J. Hartemink, ...
  • Y. Y. Boykov andM.-P. Jolly, "Interactive graph cuts for optimal ...
  • D. C. Liu and J. Nocedal, "On the limited memory ...
  • Y. Weiss, "Comparing the mean field method and belief prop ...
  • X. Jia and J. A. Richards, "Segmented principal components transformation ...
  • نمایش کامل مراجع