查詢結果分析
來源資料
相關文獻
- 結合空間資訊與類經網路於多頻譜影像分類之研究
- 小波轉換於SAR影像資料萃取之研究
- 利用紋理辨識技術建立影像蒐尋引擎
- 結合紋理分析與影像增強技術於電腦斷層影像中輔助診斷急性缺血性腦中風
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 以Cantor集觀念解析水文變量在時間尺度上之行為
- Fractal Extraction from a Mixed FBM Signal Using Discrete Wavelet Transforms
- 地理資訊系統和碎形維度於森林地景空間變化上之應用
- Computer-Aided Fetus Analysis and Diagnosis System Using Fetal Heart Rate
- 應用小波理論於生產策略之快速回應系統
頁籤選單縮合
題 名 | 結合空間資訊與類經網路於多頻譜影像分類之研究=Classification of Multispectral Imagery Using Neural Network with Inclusion of Spatial Information |
---|---|
作 者 | 陳漢臣; 顏世坤; | 書刊名 | 模糊系統學刊 |
卷 期 | 3:1 1997.01[民86.01] |
頁 次 | 頁81-90 |
分類號 | 312.1 |
關鍵詞 | 紋理; 多解析度分析法則; 碎形維度; 小波轉換; Texture; Multiresolution analysis; Fractal dimension; Wavelet transform; |
語 文 | 中文(Chinese) |
中文摘要 | 本研究主要是利用動態學習類神經網路(dynamic learning neural network;簡 稱:DL )進行多頻譜影像分類。 我們發現若僅使用影像之灰階值進行分類時,則因影像中 存在著些許雜訊及邊緣部份;如都市區之街道及山岳中之山脊等,可能導致部份區域分類錯 誤或無法分類。 因此, 本研究在進行多頻譜影像分類時,加入影像之空間資訊( spatial information )以改善其分類率。 影像中的空間資訊主要包含於邊緣( edge )及紋裡( textrue )特性之中。 本研究中,我們使用了小波轉換( wavelet transform )多解析度 分析法則( multiresolution analysis; 簡稱:MRA )找出影像之邊緣位置,以及計算表 達影像紋理特性之碎形維度( fractal dimension )。 再將所得到的邊緣資訊及紋理資訊 分別與原始影像之光譜訊號結合以進行分類。由實驗結果得知,加入了空間資訊後,多頻譜 影像之分類率確實有了相當程度的改善。 |
英文摘要 | In this study, a dynamic learning neural network (DL) is adopted for the multispectral image classification. It is known that the classification rate will be degraded in the case of only using the spectral signal (gray levels) in the image classification. This degradation is due to the misclassification or un-classification induced from the noises and edges of the images, such as streets in the urban area and the ridges in the mountain area. To improve the classification rate, the spatial information of an image is included in this study. In general, the edge and the texture contain the spatial information in an image. A wavelet transform multiresolution analysis (MRA) is utilized to extract the edges in an image and to calculate the fractal dimension which represents the texture property of an image. Then, the edge information and the texture information as well as the original spectral signal are applied together to perform the image classification. The experimental results reveal that the inclusion of the spatial information does improve the classification rate. |
本系統中英文摘要資訊取自各篇刊載內容。