In order to map damaged areas, a co

In order to map damaged areas, a comparison (image differencing)
between pre- and post-disaster conditions using different polarimetric
features mentioned above has been conducted as a first step. After generating
a M×N co-registered difference image, XD= {X(i,j), 1≤i≤M,
1≤j≤N}, we aimed to classifying the area into {ωn,ωc} by thresholding
the value of To, where ωn and ωc are the classes associated with
unchanged and changed pixels, respectively. Most studies of image
thresholding tend to be based on parametric approaches that assume
a predefined statistical model for approximating the class distributions.

ผลลัพธ์ (ไทย) 1:

เพื่อแผนที่พื้นที่ที่เสียหาย การเปรียบเทียบ (ภาพ differencing)ระหว่างสภาวะก่อน และภัยพิบัติที่ใช้แตกต่างกัน polarimetricคุณสมบัติดังกล่าวข้างต้นมีการดำเนินเป็นขั้นตอนแรก หลังจากสร้างM × N ร่วมลงทะเบียนรูปภาพต่าง XD = {X(i,j), 1≤i≤M1≤j≤N }, เรามีวัตถุประสงค์เพื่อจำแนกพื้นที่ใน {ωn, ωc } โดย thresholdingค่าของการ ωn และ ωc เกี่ยวข้องกับการเรียนไม่เปลี่ยนแปลง และเปลี่ยนพิกเซล ตามลำดับ การศึกษาส่วนใหญ่ของภาพthresholding มักจะยึดตามแนวทางพาราเมตริกที่สมมติรูปแบบสถิติที่กำหนดไว้ล่วงหน้าสำหรับใกล้เคียงการกระจายชั้น

ผลลัพธ์ (ไทย) 2:

เพื่อที่จะทำแผนที่พื้นที่เสียหายเปรียบเทียบ (ภาพที่แตกต่างของ)
ระหว่างสภาพก่อนและหลังการเกิดภัยพิบัติที่แตกต่างกันโดยใช้ polarimetric
คุณสมบัติดังกล่าวได้รับการดำเนินการเป็นขั้นตอนแรก หลังจากสร้าง
M ×ความแตกต่างของภาพยังไม่มีข้อความที่ร่วมลงทะเบียน XD = a {X (I, J) 1≤i≤M,
1≤j≤N} เรามีวัตถุประสงค์เพื่อการจำแนกพื้นที่ออกเป็น {ωn, ωc} โดย Thresholding
มูลค่าของการที่ωnและωcชั้นเรียนที่เกี่ยวข้องกับ
พิกเซลไม่เปลี่ยนแปลงและการเปลี่ยนแปลงตามลำดับ การศึกษาส่วนใหญ่ของภาพ
Thresholding มีแนวโน้มที่จะขึ้นอยู่กับวิธีการที่พาราสมมติ
แบบจำลองทางสถิติที่กำหนดไว้ล่วงหน้าสำหรับการกระจายใกล้เคียงกับชั้นเรียน

ผลลัพธ์ (ไทย) 3:

เพื่อให้แผนที่พื้นที่ที่เสียหาย , การเปรียบเทียบ ( ภาพปกติ )ระหว่างก่อนและหลังการกระเจิงเชิงขั้วภัยพิบัติเงื่อนไขแตกต่างกันคุณลักษณะที่กล่าวข้างต้น ได้ดำเนินการเป็นขั้นตอนแรก หลังจากสร้างm × n ร่วมลงทะเบียนภาพความแตกต่าง XD = { x ( i , j ) 1 ≤ผม≤ M1 ≤ J ≤ n } เรามีวัตถุประสงค์เพื่อจำแนกพื้นที่ออกเป็น { ω N , ω C } โดยปรับค่าของที่ωและω C ชั้นเรียนที่เกี่ยวข้องกับไม่เปลี่ยนแปลงและเปลี่ยนพิกเซล ตามลำดับ การศึกษาส่วนใหญ่ของภาพการปรับแนวโน้มที่จะขึ้นอยู่กับพารามิเตอร์วิธีที่ถือว่าที่กำหนดไว้ล่วงหน้ารูปแบบการแจกแจงสถิติประเภทห้อง .