Vaizdų, modeliuojamų Gauso atsitiktiniais laukais, klasifikavimo metodų palyginimas
Straipsniai
Lijana Stabingienė
Klaipėdos universitetas
Giedrius Stabingis
Klaipėdos universitetas
Kęstutis Dučinskas
Klaipėdos universitetas
Publikuota 2011-12-15
https://doi.org/10.15388/LMR.2011.mt04
PDF

Reikšminiai žodžiai

vaizdo klasifikavimas
Gauso atsitiktiniai laukai
klasifikavimas su mokymu
Bajesodiskriminantinė funkcija
klasifikavimas be mokymo
pilkumo lygio pasikartojimų matricos

Kaip cituoti

Stabingienė L., Stabingis G. ir Dučinskas K. (2011) „Vaizdų, modeliuojamų Gauso atsitiktiniais laukais, klasifikavimo metodų palyginimas“, Lietuvos matematikos rinkinys, 52(proc. LMS), p. 200–204. doi: 10.15388/LMR.2011.mt04.

Santrauka

Vaizdų klasifikavime dažnai sutinkame situaciją, kai, tam tikru lygiu, vaizdai yra sugadinti triukšmo. Toks triukšmas vaizdų klasifikavime gali būti modeliuojamas Gauso atsitiktiniais laukais (GRF). Vaizdų klasifikavime naudojami metodai su mokymu ir be mokymo. Šiame straipsnyje lyginami mūsų pasiūlyti klasifikavimo su mokymu metodai, paremti įterptomis Bajeso diskriminantinėmis funkcijomis (PDBF) (žiūrėti [6] ir [12]) su klasifikavimo be mokymo metodu paremtu pilkumo lygio pasikartojimų matricomis (GLCM) (žiūrėti [8] ir [1]). Klasifikavimui naudojamas palydovinės nuotraukos vaizdas (USGS Earth Explorer). Taip pat sugeneruojami GRF su skirtingais koreliacijos pločiais ir uždedami ant palydovinės nuotraukos. Tokia situacija gali natūraliai susidaryti degant miškui, kai gaisro dūmai uždengia tam tikrą dalį teritorijos. Šie paveiksliukai naudojami klasifikavimo tikslumo tyrimui.



PDF
Kūrybinių bendrijų licencija

Šis kūrinys yra platinamas pagal Kūrybinių bendrijų Priskyrimas 4.0 tarptautinę licenciją.

Susipažinkite su autorių teisėmis žurnalo politikoje skiltyje Autorių teisės.

Skaitomiausi šio autoriaus(ų) straipsniai