A number of features have been prop

A number of features have been proposed to estimate ice
concentration from SAR images, such as autocorrelation and
gray-level cooccurrence matrix texture features [10], [11], in
addition to local normalized intensity and intensity difference
of different polarizations [10], [12]. These features were reported
to be affected by varying wind conditions [10]. In
a recent study [11], a complex model between SAR image
features and ice concentration that takes into account wind
speed, snow depth, and surface air temperature was developed.
No single feature was found to correlate well with the ice
concentration, whereas using many features together led to
improved correlation with ice concentration [11]. This study
demonstrated that the image features chosen a priori are not
able to capture ice concentration from SAR imagery well. In
[9], the densities of edges and corners are used as features to
detect ice in SAR images. These carefully designed features
were found to improve ice concentration estimation. However,
there was still a degradation of performance in the melt season,
as well as overestimation of ice concentration in open water
regions, as corner and edge features are unstable to melt and
wind-roughened water. To get more robust and representative
features, backscatter calibration [12], [13] and incidence angle
correction [16] are often applied to SAR images before feature
extraction. The effect of such preprocessing is conditioned
on the SAR imagery and surface conditions. Segmentation is
commonly used to improve the numerical quality and visual
appearance of the estimated ice concentration for most of the
aforementioned methods. The drawback is that the quality of
the results is affected by the quality of the segmentation, which
leads to a less robust algorithm.

ผลลัพธ์ (ไทย) 1:

จำนวนของคุณสมบัติที่ได้รับการเสนอการประมาณน้ำแข็งความเข้มข้นจากภาพ SAR เช่น autocorrelation และสีเทาระดับ cooccurrence เมทริกซ์คุณลักษณะเนื้อ [10], [11],ความเข้มมาตรฐานท้องถิ่นและความแตกต่างของความเข้มของ polarizations แตกต่างกัน [10], [12] รายงานคุณลักษณะเหล่านี้ได้รับผลกระทบจากสภาวะลม [10] ในการศึกษาล่าสุด [11], แบบจำลองที่ซับซ้อนระหว่างภาพ SARคุณสมบัติและความเข้มข้นของน้ำแข็งที่ลงบัญชีลมความ เร็ว ความลึกของหิมะ และอุณหภูมิของอากาศที่ผิวได้รับการพัฒนาคุณลักษณะเดียวไม่พบว่าสัมพันธ์กับน้ำแข็งความเข้มข้น ในขณะที่ใช้คุณลักษณะหลายอย่างเข้าด้วยกันนำไปสู่ความสัมพันธ์ที่ดีขึ้นกับความเข้มข้นน้ำแข็ง [11] การศึกษานี้แสดงให้เห็นว่า การเลือกคุณลักษณะรูปนิรนัยไม่สามารถจับภาพความเข้มข้นของน้ำแข็งจาก SAR ภาพดี ใน[9], ความหนาแน่นของขอบและมุมจะถูกใช้เป็นคุณสมบัติในการตรวจสอบน้ำแข็งใน SAR ภาพ เหล่านี้ออกแบบลักษณะการทำงานอย่างรอบคอบพบการปรับปรุงการประเมินความเข้มข้นของน้ำแข็ง อย่างไรก็ตามมันยังเป็นการลดประสิทธิภาพในการละลายเช่นเดียวกับ overestimation ความเข้มข้นของน้ำแข็งในน้ำภูมิภาค เป็นมุมและขอบมีความเสถียรจะละลาย และผิวกระดูกลมน้ำ จะได้รับอย่างสมบูรณ์ และตัวแทนสิ่งอำนวยความสะดวก การสอบเทียบแสงกระจายกลับ [12], [13] และมุมอุบัติการณ์มักใช้กับ SAR ภาพก่อนคุณลักษณะการแก้ไข [16]สกัด ผลของการประมวลผลเบื้องต้นดังกล่าวจะมีเงื่อนไขบนการ SAR ภาพพื้นผิวการ แบ่งกลุ่มเป็นนิยมใช้เพื่อปรับปรุงคุณภาพเชิงตัวเลขและ visualลักษณะของความเข้มข้นประมาณน้ำแข็งส่วนใหญ่วิธีการดังกล่าวข้างต้น ข้อเสียเปรียบคือ คุณภาพของผลได้รับผลกระทบต่อคุณภาพของการแบ่งกลุ่ม ซึ่งนำอัลกอริทึมมีประสิทธิภาพน้อย

ผลลัพธ์ (ไทย) 2:

จำนวนของคุณสมบัติที่ได้รับการเสนอเพื่อประเมินน้ำแข็ง
เข้มข้นจากภาพ SAR เช่นอัตและ
สีเทาระดับคุณลักษณะเนื้อ cooccurrence เมทริกซ์ [10] [11] ใน
นอกเหนือไปจากความเข้มปกติในท้องถิ่นและความแตกต่างความเข้ม
ของ polarizations ที่แตกต่างกัน [10] [12] คุณสมบัติเหล่านี้ได้รับรายงานการ
ได้รับผลกระทบโดยการเปลี่ยนแปลงสภาพลม [10] ใน
การศึกษาล่าสุด [11], รูปแบบที่ซับซ้อนระหว่างภาพ SAR
คุณสมบัติและความเข้มข้นของน้ำแข็งที่คำนึงถึงลม
ความเร็วลึกหิมะและอุณหภูมิของอากาศที่พื้นผิวที่ได้รับการพัฒนา.
ไม่มีคุณลักษณะเดียวก็จะพบว่ามีความสัมพันธ์ดีกับน้ำแข็ง
เข้มข้นในขณะที่ใช้ คุณสมบัติหลายอย่างเข้าด้วยกันนำไปสู่
ความสัมพันธ์ที่ดีขึ้นมีความเข้มข้นน้ำแข็ง [11] การศึกษาครั้งนี้
แสดงให้เห็นว่าองค์ประกอบภาพที่เลือกเบื้องต้นจะไม่
สามารถจับความเข้มข้นของน้ำแข็งจากภาพ SAR ดี ใน
[9] ความหนาแน่นของขอบและมุมจะถูกนำมาใช้เป็นคุณสมบัติในการ
ตรวจจับน้ำแข็งในภาพ SAR คุณสมบัติเหล่านี้ออกแบบอย่างระมัดระวัง
ถูกพบในการปรับปรุงการประมาณค่าความเข้มข้นของน้ำแข็ง อย่างไรก็ตาม
ยังคงมีการเสื่อมสภาพของการปฏิบัติงานในฤดูกาลละลาย
เช่นเดียวกับการประเมินค่าสูงของความเข้มข้นของน้ำแข็งในน้ำเปิด
ภูมิภาคเป็นมุมและขอบคุณสมบัติจะไม่แน่นอนที่จะละลายและ
น้ำลมหยาบ เพื่อให้ได้ประสิทธิภาพมากขึ้นและตัวแทน
คุณสมบัติการสอบเทียบ backscatter [12], [13] และมุมอุบัติการณ์
การแก้ไข [16] มักจะถูกนำมาใช้กับภาพ SAR ก่อนคุณลักษณะ
สกัด ผลของการประมวลผลเบื้องต้นดังกล่าวเป็นเงื่อนไข
ใน SAR ภาพพื้นผิวและเงื่อนไข การแบ่งกลุ่มเป็นที่
นิยมใช้ในการปรับปรุงคุณภาพตัวเลขและภาพ
ลักษณะของความเข้มข้นของน้ำแข็งโดยประมาณสำหรับส่วนมากของ
วิธีการดังกล่าวข้างต้น ข้อเสียเปรียบก็คือว่าคุณภาพของ
ผลลัพธ์ที่เป็นผลมาจากคุณภาพของการแบ่งส่วนซึ่ง
จะนำไปสู่ขั้นตอนวิธีการที่มีประสิทธิภาพน้อย

ผลลัพธ์ (ไทย) 3:

หมายเลขของคุณสมบัติที่ได้รับการเสนอเพื่อประเมิน น้ำแข็งผลสมาธิจากภาพ เช่น ข้อมูลและระดับสีเทา cooccurrence เนื้อเมทริกซ์คุณลักษณะ [ 10 ] [ 11 ] ในนอกจากความเข้มและความเข้มแตกต่างกันได้แก่ท้องถิ่นของที่แตกต่างกัน polarizations [ 10 ] [ 12 ] คุณสมบัติเหล่านี้ได้ถูกรายงานที่จะได้รับผลกระทบจากเงื่อนไขที่แตกต่าง [ 10 ] ลม ในการศึกษาล่าสุด [ 11 ] แบบจำลองที่ซับซ้อนระหว่างภาพ .คุณสมบัติแข็งและความเข้มข้นที่คำนึงถึงลมความเร็ว , ความลึกของหิมะและอุณหภูมิอากาศภายนอกได้รับไม่มีคุณลักษณะเดียวพบสัมพันธ์กับน้ำแข็งสมาธิ ในขณะที่การใช้คุณลักษณะหลายอย่างด้วยกัน นำไปสู่การปรับปรุงความสัมพันธ์กับน้ำแข็งความเข้มข้น [ 11 ] การศึกษานี้แสดงให้เห็นว่าภาพคุณสมบัติเลือก priori ไม่ได้สามารถจับภาพน้ำแข็งความเข้มข้นจาก SAR ภาพดี ใน[ 9 ] , ความหนาแน่นของขอบและมุมจะใช้เป็นคุณสมบัติตรวจจับน้ำแข็ง : ภาพ คุณสมบัติเหล่านี้ออกแบบมาอย่างระมัดระวังพบเพื่อปรับปรุงการประมาณค่าความเข้มข้นของน้ำแข็ง อย่างไรก็ตามก็ยังมีประสิทธิภาพในการย่อยสลาย ละลาย ฤดูกาลรวมทั้งประเมินมากเกินไปของความเข้มข้นในน้ำน้ำแข็งภูมิภาค เป็นคุณสมบัติของมุมและขอบจะไม่เสถียรและจะละลายroughened ลมน้ำ ที่จะได้รับที่แข็งแกร่งมากขึ้นและตัวแทนคุณสมบัติ , การกระเจิงกลับ [ 12 ] , [ 13 ] และอุบัติการณ์มุมแก้ไข [ 16 ] มักจะใช้กับภาพก่อนมี .การสกัด ผลของการเตรียมปรับอากาศเช่นบนภาพถ่าย SAR และสภาพพื้นผิว แบ่งเป็นที่ใช้กันทั่วไปเพื่อปรับปรุงคุณภาพของภาพและตัวเลขลักษณะของการประมาณการปริมาณของน้ำแข็งมากที่สุดวิธีการดังกล่าว ข้อเสียเปรียบก็คือว่าคุณภาพของผลลัพธ์ที่ได้รับผลกระทบจากคุณภาพของการแบ่งส่วนตลาด ซึ่งนำไปสู่ขั้นตอนวิธีมีประสิทธิภาพน้อยลง