The original supervised classificat

The original supervised classification
Output gives us little bit of salt and
pepper effect and the image does not
Look good. So, we need to use some
smoothing techniques to make it look
better.


Supervised classification is based on the idea that a user can select sample pixels in an image that are representative of specific classes and then direct the image processing software to use these training sites as references for the classification of all other pixels in the image. Training sites (also known as testing sets or input classes) are selected based on the knowledge of the user. The user also sets the bounds for how similar other pixels must be to group them together. These bounds are often set based on the spectral characteristics of the training area, plus or minus a certain increment (often based on "brightness" or strength of reflection in specific spectral bands). The user also designates the number of classes that the image is classified into. Many analysts use a combination of supervised and unsupervised classification processes to develop final output analysis and classified maps.

ผลลัพธ์ (ไทย) 1:

การจัดประเภทดูแลต้นฉบับ ผลลัพธ์ทำให้เราเล็กน้อยเกลือ และ ผลพริกไทยและภาพไม่ได้ ดูดี ดังนั้น เราจำเป็นต้องใช้ เทคนิคเพื่อให้ดูราบเรียบ ดีกว่าดูแลการจัดประเภทขึ้นอยู่กับความคิดที่ว่า ผู้ใช้สามารถเลือกพิกเซลตัวอย่างรูปภาพที่เป็นตัวแทนของคลาสที่ระบุ และจากนั้น ตรงประมวลผลซอฟต์แวร์เพื่อใช้ไซต์เหล่านี้การฝึกอบรมเป็นการอ้างอิงสำหรับการจัดประเภทของพิกเซลอื่น ๆ ทั้งหมดในรูปภาพ เว็บไซต์การฝึกอบรม (ชุดทดสอบที่รู้จักกันหรือป้อนค่าเรียน) มีเลือกตามความรู้ของผู้ใช้ นอกจากนี้ผู้ใช้ยังตั้งขอบเขตคล้ายคลึงพิกเซลอื่น ๆ ต้องการ จัดกลุ่มเข้าด้วยกัน ขอบเขตเหล่านี้จะมักจะตั้งตามลักษณะสเปกตรัมของพื้นที่การฝึกอบรม บวก หรือ ลบเพิ่มบางอย่าง (มักจะตาม "ความสว่าง" หรือความแข็งแรงของการสะท้อนในแถบสเปกตรัมเฉพาะ) นอกจากนี้ผู้ใช้ยังกำหนดจำนวนคลาสที่ภาพแบ่ง นักวิเคราะห์หลายคนใช้ร่วมกันของกระบวนการดูแล และเตรียมการจัดประเภทการพัฒนา สุดท้ายแสดงผลวิเคราะห์ และจำแนกแผนที่

ผลลัพธ์ (ไทย) 2:

เดิมการจัดหมวดหมู่ภายใต้การดูแล
เอาท์พุทจะช่วยให้เรานิด ๆ หน่อย ๆ ของเกลือและ
พริกไทยและผลภาพไม่
ดูดี ดังนั้นเราจำเป็นต้องใช้บาง
เทคนิคเรียบจะทำให้มันดู
ดีกว่า.


การจำแนกประเภทภายใต้การควบคุมจะขึ้นอยู่กับความคิดที่ว่าผู้ใช้สามารถเลือกพิกเซลตัวอย่างในภาพที่เป็นตัวแทนของการเรียนที่เฉพาะเจาะจงและจากนั้นโดยตรงซอฟต์แวร์ประมวลผลภาพที่จะใช้เว็บไซต์การฝึกอบรมเหล่านี้ เป็นข้อมูลอ้างอิงสำหรับการจำแนกประเภทของพิกเซลอื่น ๆ ทั้งหมดในภาพ เว็บไซต์การฝึกอบรม (ที่เรียกว่าเป็นชุดการทดสอบหรือการเรียนการป้อนข้อมูล) จะถูกเลือกขึ้นอยู่กับความรู้ของผู้ใช้ ผู้ใช้ยังกำหนดขอบเขตสำหรับวิธีการที่คล้ายกันพิกเซลอื่น ๆ จะต้องให้กับกลุ่มพวกเขาร่วมกัน ขอบเขตเหล่านี้มักจะตั้งอยู่บนพื้นฐานของลักษณะสเปกตรัมของพื้นที่การฝึกบวกหรือลบที่เพิ่มขึ้นบางอย่าง (มักจะขึ้นอยู่กับ "ความสว่าง" หรือความแรงของการสะท้อนในวงสเปกตรัมเฉพาะ) ผู้ใช้ยังกำหนดจำนวนของชั้นเรียนที่ภาพจะถูกแบ่งออกเป็น นักวิเคราะห์หลายคนใช้การรวมกันของกระบวนการการจัดหมวดหมู่ภายใต้การดูแลและใกล้ชิดเพื่อพัฒนาวิเคราะห์ผลลัพธ์สุดท้ายและแผนที่ทั้งหมด

ผลลัพธ์ (ไทย) 3:

เดิมมีการจำแนกผลผลิตให้เราเล็กน้อย เกลือและผลพริกไทยและภาพไม่ได้ดูดี ดังนั้น เราต้องใช้เรียบๆให้มันดูดีกว่าการดูแลจะขึ้นอยู่กับความคิดที่ว่า ผู้ใช้สามารถเลือกตัวอย่างพิกเซลภาพที่เป็นตัวแทนของชั้นเรียนที่เฉพาะเจาะจงและตรงซอฟต์แวร์ประมวลผลภาพเพื่อใช้เป็นข้อมูลอ้างอิงสำหรับการเว็บไซต์เหล่านี้ประเภทของพิกเซลทั้งหมดอื่น ๆในภาพ เว็บไซต์การฝึกอบรม ( ที่รู้จักกันเป็นชุดทดสอบ หรือเรียนใส่ ) ซึ่งขึ้นอยู่กับความรู้ของผู้ใช้ ผู้ใช้ยังกำหนดขอบเขตว่าพิกเซลที่คล้ายกันอื่น ๆต้องให้กลุ่มพวกเขากัน ขอบเขตเหล่านี้มักจะตั้งตามลักษณะของสเปกตรัมของพื้นที่ฝึก บวก หรือ ลบ เป็น เพิ่ม บางอย่าง ( มักขึ้นอยู่กับ " ความสว่าง " หรือความแข็งแรงของการสะท้อนในแถบสเปกตรัมที่เฉพาะเจาะจง ) ผู้ใช้สามารถกำหนดจำนวนของชั้นเรียนที่ภาพจะถูกแบ่งออกเป็น . นักวิเคราะห์หลายคนใช้การรวมกันของการจัดกระบวนการพัฒนาและ unsupervised การวิเคราะห์ผลผลิตสุดท้าย และจัดหน้า