The object-centered classification

The object-centered classification prototype generally starts with
the generation of segmented objects at multiple level of scales as
fundamental units for image analysis, instead of considering a perpixel
basis at a single scale for classification (Desclée et al., 2006; Im
et al., 2008; Myint et al., 2008; Navulur, 2007; Stow et al., 2007). The
fundamental concept of an object-based paradigm also differs from
sub-pixel classifiers in that it does not consider spectra of different
land covers that would quantify percent distribution of these land
covers. The sub-pixel approach may not be appropriate for urban
mapping with high resolution image data, since it is originally
designed to identify percent distribution of different land covers in a
coarse resolution imagery (e.g., Landsat TM and MODIS) (Asner &
Heidebrecht, 2002). The sub-pixel processor is based on the concept
that the spectral reflectance of the majority of the pixels in remotely
sensed imagery is assumed to be a spatial average of spectral
signatures from two or more surface categories or endmembers
(Schowengerdt, 1995). As discussed earlier, high resolution remotely
sensed data were designed to capture smaller objects with only a few

ผลลัพธ์ (ไทย) 1:

แบบวัตถุเป็นศูนย์กลางการจัดประเภทโดยทั่วไปเริ่มด้วยการสร้างวัตถุที่แบ่งกลุ่มในหลายระดับของเครื่องชั่งเป็นหน่วยพื้นฐานการวิเคราะห์ภาพ แทนที่จะพิจารณา perpixelในการจัด (Desclée et al. 2006 ระดับเดียว Imet al. 2008 Myint et al. 2008 Navulur, 2007 สโตว์ออนเดอะ et al. 2007) การแนวคิดกระบวนทัศน์ตามวัตถุยังแตกต่างจากคำนามภาษาพิกเซลย่อยในการที่จะไม่พิจารณาสเปกตรัมที่แตกต่างครอบคลุมที่ดินที่จะกำหนดปริมาณการกระจายเปอร์เซ็นต์ของที่ดินเหล่านี้ครอบคลุม วิธีพิกเซลย่อยอาจไม่เหมาะสมสำหรับในเมืองการแมปกับข้อมูลภาพความละเอียดสูง เพราะมันเป็นครั้งแรกออกแบบมาเพื่อระบุการกระจายเปอร์เซ็นต์ของครอบคลุมที่ดินที่แตกต่างกันในการภาพความละเอียดหยาบ (เช่น Landsat TM และ MODIS) (Asner &Heidebrecht, 2002) ตัวประมวลผลพิกเซลย่อยตามแนวคิดที่การสะท้อนสเปกตรัมของส่วนใหญ่ของพิกเซลในระยะไกลรู้สึกภาพจะถือว่าเป็นค่าเฉลี่ยในปริภูมิของสเปกตรัมลายเซ็นจากพื้นผิวประเภทหรือ endmembers(Schowengerdt, 1995) ตามที่กล่าวไว้ก่อนหน้านี้ ความละเอียดสูงจากระยะไกลรู้สึกข้อมูลถูกออกแบบมาเพื่อจับภาพวัตถุที่มีขนาดเล็ก มีเพียงไม่กี่

ผลลัพธ์ (ไทย) 2:

การจำแนกประเภทวัตถุต้นแบบเป็นศูนย์กลางโดยทั่วไปจะเริ่มต้นด้วย
การสร้างวัตถุแบ่งในระดับหลายของเครื่องชั่งเป็น
หน่วยพื้นฐานในการวิเคราะห์ภาพแทนการพิจารณา perpixel
พื้นฐานในระดับเดียวสำหรับการจัดหมวดหมู่ (Desclée et al, 2006;. อิ่ม
et al, 2008; Myint et al, 2008;. Navulur 2007. Stow et al, 2007)
แนวคิดพื้นฐานของกระบวนทัศน์วัตถุที่ใช้ยังแตกต่างจาก
ลักษณนามพิกเซลย่อยในการที่จะไม่พิจารณาสเปกตรัมที่แตกต่างกัน
ครอบคลุมดินแดนที่จะกระจายปริมาณร้อยละของที่ดินเหล่านี้
ครอบคลุม วิธีพิกเซลย่อยอาจไม่เหมาะสมสำหรับเมือง
ทำแผนที่กับข้อมูลภาพความละเอียดสูง, เพราะมันเป็นที่เดิม
ออกแบบมาเพื่อระบุกระจายร้อยละของที่ดินที่แตกต่างกันครอบคลุมใน
ภาพความละเอียดหยาบ (เช่น TM Landsat และ MODIS) (Asner และ
Heidebrecht 2002 ) หน่วยประมวลผลย่อยพิกเซลอยู่บนพื้นฐานของแนวคิด
ที่สะท้อนสเปกตรัมของคนส่วนใหญ่ของพิกเซลในระยะไกลที่
ภาพรู้สึกจะถือว่าเป็นค่าเฉลี่ยของพื้นที่สเปกตรัม
ลายเซ็นสองหรือมากกว่าประเภทผิวดินหรือ endmembers
(Schowengerdt, 1995) ตามที่กล่าวไว้ก่อนหน้านี้มีความละเอียดสูงระยะไกล
ข้อมูลที่รู้สึกถูกออกแบบมาเพื่อจับภาพวัตถุขนาดเล็กที่มีเพียงไม่กี่

ผลลัพธ์ (ไทย) 3:

วัตถุต้นแบบโดยทั่วไปจะเริ่มต้นด้วยการเป็นศูนย์กลางรุ่นของวัตถุแบ่งเป็นหลายระดับ ระดับหน่วยพื้นฐานสำหรับการวิเคราะห์ภาพ แทนที่จะพิจารณา perpixelพื้นฐานในระดับเดียวในการจำแนก ( descl é e et al . , 2006 ; มet al . , 2008 ; มิ้น et al . , 2008 ; navulur , 2007 ; เก็บ et al . , 2007 ) ที่แนวคิดพื้นฐานของวัตถุที่ใช้กระบวนทัศน์ที่ยังแตกต่างจากsub-pixel ลักษณนามว่ามันไม่ได้พิจารณาสเปกตรัมของต่าง ๆที่ดินที่จะครอบคลุมปริมาณการกระจายร้อยละของเหล่านี้ที่ดินครอบคลุม การ sub-pixel วิธีอาจไม่เหมาะกับเมืองแผนที่กับข้อมูลภาพความละเอียดสูง เพราะแต่เดิมที่ออกแบบมาเพื่อระบุการกระจายและครอบคลุมในแตกต่างกันที่ดินภาพความละเอียดหยาบ ( เช่น Landsat TM และโมดิส ) ( asner &heidebrecht , 2002 ) การ sub-pixel หน่วยประมวลผลภายใต้แนวคิดที่เงาสะท้อนของส่วนใหญ่ของภาพจากระยะไกลรู้สึกภาพจะถือว่าเป็นค่าเฉลี่ยเรขาของสเปกตรัมลายเซ็นจากสองหรือมากกว่าประเภทพื้นผิวหรือ endmembers( schowengerdt , 1995 ) ตามที่กล่าวไว้ก่อนหน้านี้ , ความละเอียดสูงจากระยะไกลข้อมูลการสำรวจถูกออกแบบมาเพื่อจับภาพวัตถุขนาดเล็กที่มีเพียงไม่กี่