Images with higher resolution conta

Images with higher resolution contain richer spatial information.

The spectral differences of neighboring pixels within an object increase gradually. Pixel-based methods may pay too much attention to the details of an object when processing high resolution images, making it difficult to obtain overall structural information about the object.

In order to use spatial information
to detect shadows, image segmentation is needed. We adopt
convexity model (CM) constraints for segmentation [27], [28].
Traditional image segmentation methods are likely to result
in insufficient segmentation, which makes it difficult to separate
shadows from dark objects. The CM constraints can improve
the situation to a certain degree. To make a further distinction
between shadows and dark objects, color factor and shape factor
have been added to the segmentation criteria. The parameters of
each object have been recorded, including grayscale average,
variance, area, and perimeter. The segmentation scale could
be set empirically for better and less time-consuming results,
or it could be adaptively estimated according to data such as
resolution.

ผลลัพธ์ (ไทย) 1:

ภาพความละเอียดสูงประกอบด้วยพื้นที่ข้อมูลยิ่งขึ้น ต่างสเปกตรัมของพิกเซลในวัตถุเพิ่มขึ้นทีละน้อย วิธีใช้พิกเซลอาจจ่ายมากเกินไปให้ความสนใจกับรายละเอียดของวัตถุประมวลผลภาพความละเอียดสูง การทำ difficult เพื่อดูโครงสร้างโดยรวมข้อมูลเกี่ยวกับวัตถุได้ ใช้ข้อมูลปริภูมิตรวจหาเงา แบ่งภาพเป็นสิ่งจำเป็น เรานำมาใช้ข้อจำกัดรุ่น (ซม.) convexity สำหรับแบ่ง [27], [28]วิธีแบ่งรูปแบบดั้งเดิมมีแนวโน้มส่งผลให้ในเซกเมนต์ insufficient ซึ่งทำให้ difficult เพื่อแยกเงาจากวัตถุดำ ข้อจำกัดของ CM สามารถปรับปรุงสถานการณ์ให้ระดับการ ต้องการความแตกต่างเพิ่มเติมระหว่างเงาและสีดำวัตถุ สีตัวปัจจัยและรูปร่างมีการเพิ่มการเซ็ก พารามิเตอร์ของวัตถุแต่ละชิ้นได้รับการบันทึก รวมถึงค่าเฉลี่ยของระดับสีเทาผลต่าง ที่ตั้ง และขอบเขต สามารถแบ่งระดับสามารถตั้งค่า empirically สำหรับผลลัพธ์ที่ดีขึ้น และใช้เวลาน้อยหรือมันอาจจะอย่างเหมาะประมาณตามข้อมูลเช่นความละเอียด

ผลลัพธ์ (ไทย) 3:

ภาพที่มีความละเอียดสูงยิ่งขึ้นประกอบด้วยข้อมูลเชิงพื้นที่

ความแตกต่างของสเปกตรัมของพิกเซลเพื่อนบ้านภายในวัตถุที่ค่อยๆเพิ่มขึ้น พิกเซลตามวิธีการอาจให้ความสนใจมากเกินไปกับรายละเอียดของวัตถุ เมื่อประมวลภาพความละเอียดสูง จึงทำให้แยกศาสนา เพื่อให้ได้ข้อมูลเชิงโครงสร้างโดยรวมเกี่ยวกับวัตถุ


เพื่อใช้ข้อมูลเชิงพื้นที่ตรวจพบเงา , การแบ่งส่วนภาพที่จำเป็น เรา adopt
แบบนูน ( ซม. ) ข้อจำกัดในการแบ่งส่วน [ 27 ] [ 28 ] .
วิธีการแบ่งส่วนภาพแบบดั้งเดิมมีแนวโน้มที่จะส่งผลในการถ่ายทอด cient
insuf ซึ่งทำให้มันแยกศาสนาจึงแยก
เงาจากวัตถุมืด CM ข้อจำกัดสามารถปรับปรุง
สถานการณ์บางอย่าง เพื่อให้
ความแตกต่างเพิ่มเติมระหว่างเงาและวัตถุสีเข้ม สี องค์ประกอบ และปัจจัยรูป
ต้องถูกเพิ่มเข้าไปในการตัดเกณฑ์ พารามิเตอร์ของ
แต่ละวัตถุจะถูกบันทึก รวมถึงสีเทาเฉลี่ย
ความแปรปรวน และพื้นที่ปริมณฑล การแบ่งส่วนมาตราส่วนอาจ
เป็นชุดใช้สำหรับผลลัพธ์ที่ดีกว่า และใช้เวลาน้อยกว่า
หรืออาจจะประมาณการปรับตัวตามข้อมูลเช่น

ความละเอียด