A co-occurrence matrix S(δ,T) = [s(

A co-occurrence matrix S(δ,T) = [s(i, j,δ,T)] is a matrix where each element is the estimated probability to have
the radiometric values i and j given the displacement vector δ = (Δx, Δy) and window T (size and profile of region
used to estimate these probabilities).
From this matrix we can calculate the following six new variables:
1.Inertia I T i j si j T
j
L
i
L
(δ, ) = ( − ) ( , ,δ, )
=
−
=
−
2
0
1
0
1
2.Cluster Shade A T i j si j T i j
j
L
i
L
(δ, ) = ( + − μ − μ ) ( , ,δ, )
=
−
=
−
3
0
1
0
1
3.Cluster Prominence B T i j si j T i j
j
L
i
L
(δ, ) = ( + − μ − μ ) ( , ,δ, )
=
−
=
−
4
0
1
0
1
4.Local Homogeneity L T
i j
s i j T
j
L
i
L
( , )
( )
δ = ( , ,δ, )
= + −
−
=
− 1
1 2
0
1
0
1
5.Energy E T [s i j T ]
j
L
i
L
(δ, ) = ( , ,δ, )
=
−
=
−
2
0
1
0
1
6.Entropy H T si j T si j T
j
L
i
L
(δ, ) = − ( , ,δ, ) log( ( , ,δ, ))
=
−
=
−
0
1
0
1
where μ δ i
j
L
i
L
= i s i j T
=
−
=
−
( , , , )
0
1
0
1
μ δ j
j
L
i
L
= j s i j T
=
−
=
−
( , , , )
0
1
0
1
and L is the number of radiometric values in the processed image.
This way we obtain several new images that we can interpret as information channels and construct a new multispectral
image grouping those statistical variables (Fig. 2).

ผลลัพธ์ (ไทย) 1:

เมทริกซ์เกิดร่วม S(δ,T) = [s (ผม เจ δ T)] เป็นเมตริกซ์ซึ่งแต่ละองค์ประกอบมีความน่าเป็นประมาณมีการนับค่าฉันและเจให้การแทนเวกเตอร์δ = (Δx, Δy) และหน้าต่าง T (ขนาดและค่าของภูมิภาคการประเมินกิจกรรมเหล่านี้)จากเมทริกซ์นี้ เราสามารถคำนวณตัวแปรใหม่ของหกต่อไปนี้:1.แรงเฉื่อยผม T ฉันเจซีเจ TเจLฉันL(δ, ) = ( − ) ( , ,δ, )=−=−201012.คลัสเตอร์ T A เงาฉันเจซีเจ T ฉันเจเจLฉันL(δ, ) = ( + − μ − μ ) ( , ,δ, )=−=−301013.คลัสเตอร์ความโดดเด่น B T ฉันเจซีเจ T ฉันเจเจLฉันL(δ, ) = ( + − μ − μ ) ( , ,δ, )=−=−401014.ท้องถิ่น Homogeneity L Tฉันเจs ผม j TเจLฉันL( , )( )δ = ( , ,δ, )= + −−=− 11 201015.พลังงาน E T [s ฉันเจ T]เจLฉันL(δ, ) = ( , ,δ, )=−=−201016.เอนโทรปีเจซีเจ T ศรี H T TเจLฉันL(δ, ) = − ( , ,δ, ) log( ( , ,δ, ))=−=−0101ที่μδฉันเจLฉันLs =ฉันฉันเจ T=−=−( , , , )0101เจδμเจLฉันL=เอสเจฉันเจ T=−=−( , , , )0101และ L เป็นจำนวนค่านับในรูปการประมวลผลวิธีนี้เราได้ภาพใหม่หลายที่เราสามารถตีเป็นช่องข้อมูล และสร้างใหม่ multispectralภาพที่จัดกลุ่มตัวแปรทางสถิติเหล่านั้น (Fig. 2)

ผลลัพธ์ (ไทย) 2:

ร่วมเกิดเมทริกซ์ S (δ, T) = [s (I, J, δ, T)] เป็นเมทริกซ์ที่แต่ละองค์ประกอบเป็นความน่าจะเป็นที่คาดกันว่าจะมี
ค่ากัมมันตภาพรังสี i และ j รับรางเวกเตอร์δ = (Δx , Δy) และหน้าต่าง T (ขนาดและรายละเอียดของพื้นที่
ที่ใช้ในการประเมินความน่าจะเป็นเหล่านี้).
จากเมทริกซ์นี้เราสามารถคำนวณต่อไปนี้หกตัวแปรใหม่:
1.Inertia ไอที IJ si J T
J
L
ฉัน
L
(δ) = (- ) (, δ)
=
-
=
-
2
0
1
0
1
2.Cluster Shade AT IJ si J T IJ
J
L
ฉัน
L
(δ) = (+ - μ - μ) (, δ)
=
-
=
-
3
0
1
0
1
3.Cluster รุ่งเรือง BT IJ si J T IJ
J
L
ฉัน
L
(δ) = (+ - μ - μ) (, δ)
=
-
=
-
4
0
1
0
1
4 ท้องถิ่นเท่ากัน LT
IJ
ม.ค. T
J
L
ฉัน
L
()
()
= δ (, δ)
+ = -
-
=
- 1
1 2
0
1
0
1
5.Energy ET [ม.ค. T]
J
L
ฉัน
L
(δ ) = (, δ)
=
-
=
-
2
0
1
0
1
6.Entropy HT si J T si J T
J
L
ฉัน
L
(δ) = - (, δ) เข้าสู่ระบบ ((, δ ))
=
-
=
-
0
1
0
1
ที่μδฉัน
J
L
ฉัน
L
= isij T
=
-
=
-
(,,)
0
1
0
1
μδ J
J
L
ฉัน
L
= jsij T
=
-
=
-
( ,,)
0
1
0
1
และ L คือจำนวนของค่าดาวเทียมที่บันทึกในการประมวลผลภาพ.
วิธีนี้เราได้รับภาพใหม่หลายอย่างที่เราสามารถตีความเป็นช่องทางข้อมูลและสร้าง multispectral ใหม่
ภาพการจัดกลุ่มผู้ตัวแปรทางสถิติ (รูปที่ 2)

ผลลัพธ์ (ไทย) 3:

มีการเมทริกซ์ S ( δ , t ) = [ ( i , j , δ , t ) ] เป็นเมทริกซ์ที่แต่ละองค์ประกอบคือประมาณความน่าจะเป็นที่จะมีความเข้มข้นและค่า
J ให้ผมแบบเวกเตอร์δ = ( Δ X , Δ Y ) T ( ขนาดหน้าต่างและโปรไฟล์ของภูมิภาค
ใช้ในการประเมินความน่าจะเป็นเหล่านี้ ) .
จากเมทริกซ์นี้เราสามารถคำนวณหกตัวแปรต่อไปนี้ :
1.inertia ฉัน t . J T
J
ศรี L

L
( ผมδ ) = ( − ) δ ( , , ,)
=
−
=
−
2
0
1
0
1
2.Cluster Shade A T i j si j T i j
j
L
i
L
(δ, ) = ( − μ − μ ) ( , ,δ, )
=
−
=
−
3
0
1
0
1
3.Cluster Prominence B T i j si j T i j
j
L
i
L
(δ, ) = ( − μ − μ ) ( , ,δ, )
=
−
=
−
4
0
1
0
1
4.Local Homogeneity L T
i j
s i j T
j
L
i
L
( , )
( )
δ = ( , ,δ, )
= −
−
=
− 1
1 2
0
1
0
1
5.Energy E T [s i j T ]
j
L
i
L
(δ, ) = ( , ,δ, )
=
−
=
−
2
0
1
0
1
6.entropy H J T
T ศรีศรี J J
L

L
( ผมδ ) = − ( , , δ ) log ( , δ ) )

=

= −−
0
1
0
1

ที่μδฉันเจ
L

L
= ฉันฉันฉัน J T
=

= −−

( , , , )
0
1
0
1
J
J
μδ L

L
= ผม J S . T
=

=

( −− , , , )
0
1
0
1
L คือจำนวนค่าของในการประมวลผลภาพ
วิธีนี้เราได้รับภาพใหม่หลายที่ เราสามารถตีความเป็นช่องข่าวสารและสร้าง
3 ใหม่ภาพกลุ่มผู้สถิติตัวแปร ( ภาพที่ 2 )