Abstract—The objective of this pape

Abstract—The objective of this paper is to study the use of a decision
tree classifier and multiscale texture measures to extract thematic
information on the tropical vegetation cover fromthe Global
Rain Forest Mapping (GRFM) JERS-1 SAR mosaics.We focus our
study on a coastal region of Gabon, which has a variety of land
cover types common to most tropical regions. A decision tree classifier
does not assume a particular probability density distribution
of the input data, and is thus well adapted for SAR image classification.
A total of seven features, including wavelet-based multiscale
texture measures (at scales of 200, 400, and 800 m) and multiscale
multitemporal amplitude data (two dates at scales 100 and 400 m),
are used to discriminate the land cover classes of interest. Among
these layers, the best features for separating classes are found by
constructing exploratory decision trees from various feature combinations.
The decision tree structure stability is then investigated
by interchanging the role of the training samples for decision tree
growth and testing. We show that the construction of exploratory
decision trees can improve the classification results. The analysis
also proves that the radar backscatter amplitude is important for
separating basic land cover categories such as savannas, forests,
and flooded vegetation. Texture is found to be useful for refining
flooded vegetation classes. Temporal information from SAR images
of two different dates is explicitly used in the decision tree
structure to identify swamps and temporarily flooded vegetation.
Index Terms—Decision tree, forest, multiscale, synthetic aperture
radar (SAR).
I. INTRODUCTION

ผลลัพธ์ (ไทย) 1:

นามธรรมซึ่งวัตถุประสงค์ของเอกสารนี้คือการ ศึกษาการใช้การตัดสินใจการใช้ต้นไม้ลักษณนาม multiscale เนื้อมาตรการและการแยกภาคข้อมูลครอบคลุมพืชพรรณเขตร้อนจากสากลกระเบื้องโมเสก JERS-1 SAR แมปป่าฝน (GRFM) โฟกัสของเราศึกษาในพื้นที่ชายฝั่งทะเลของประเทศกาบอง ซึ่งมีที่ดินมากมายครอบคลุมชนิดทั่วไปของเขตร้อนส่วนใหญ่ ลักษณนามเป็นต้นไม้ตัดสินใจสมมติการกระจายความหนาแน่นของความน่าเป็นเฉพาะของข้อมูลอินพุต และมีทั้งปรับการจัดรูปของ SARทั้งหมดเจ็ดคุณสมบัติ รวมทั้งใช้ wavelet multiscaleมาตรการเนื้อ (ที่เครื่องชั่ง 200, 400 และ 800 เมตร) และ multiscaleข้อมูลคลื่น multitemporal (สองวันเครื่องชั่ง 100 และ 400 เมตร),จะใช้การแยกแยะประเภทครอบคลุมที่ดินน่าสนใจ ในหมู่ชั้นเหล่านี้ พบเด่นแยกชั้นโดยสร้างต้นไม้ตัดสินใจสำรวจจากชุดคุณลักษณะต่าง ๆแล้วมีการตรวจสอบความเสถียรของโครงสร้างต้นไม้ตัดสินใจโดยได้คิดสับเปลี่ยนบทบาทของตัวอย่างการฝึกอบรมสำหรับต้นไม้การตัดสินใจเจริญเติบโตและการทดสอบ เราแสดงว่าการก่อสร้างสำรวจต้นไม้การตัดสินใจสามารถปรับปรุงผลการจัดประเภท การวิเคราะห์การนอกจากนี้ยัง พิสูจน์ว่า คลื่นเรดาร์แสงกระจายกลับเป็นสิ่งสำคัญสำหรับแยกประเภทครอบคลุมที่ดินพื้นฐานเช่น savannas ป่าและพืชน้ำท่วม เนื้อที่พบเป็นประโยชน์สำหรับการปรับห้องเรียนน้ำท่วมพืช ขมับข้อมูลจาก SAR ภาพสองวันที่แตกต่างกันอย่างชัดเจนใช้ในแผนภูมิการตัดสินใจโครงสร้างการระบุหนองน้ำและพืชน้ำท่วมชั่วคราวข้อกำหนดของดัชนีซึ่งตัดสินใจต้นไม้ ป่า multiscale สังเคราะห์แสงเรดาร์ (SAR)I. บทนำ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ-วัตถุประสงค์ของการวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการใช้งานของการตัดสินใจที่
ลักษณนามต้นไม้และมาตรการเนื้อ Multiscale ที่จะดึงใจ
ข้อมูลเกี่ยวกับพืชพรรณเขตร้อนทั่วโลก fromthe
ป่าฝนแมป (GRFM) Jers-1 SAR mosaics.We เรามุ่งเน้น
การศึกษาใน พื้นที่ชายฝั่งทะเลของประเทศกาบองซึ่งมีความหลากหลายของที่ดิน
ประเภทปกธรรมดาที่จะมากที่สุดในภูมิภาคเขตร้อน ลักษณนามต้นไม้ตัดสินใจ
ไม่ถือว่าการกระจายความหนาแน่นของความน่าจะเป็นในด้าน
ของการป้อนข้อมูลและจึงปรับตัวได้ดีสำหรับการจำแนกภาพ SAR.
ทั้งหมดเจ็ดคุณสมบัติรวมทั้งเวฟตาม Multiscale
มาตรการเนื้อ (ในระดับ 200, 400, และ 800 เมตร) และ Multiscale
กว้าง multitemporal ข้อมูล (วันที่สองวันในระดับ 100 และ 400 เมตร)
จะใช้ในการแยกแยะสิ่งปกคลุมดินชั้นเรียนที่น่าสนใจ ในบรรดา
ชั้นเหล่านี้คุณสมบัติที่ดีที่สุดสำหรับการแยกชั้นเรียนจะพบได้โดยการ
สร้างต้นไม้ตัดสินใจสอบสวนจากการรวมคุณลักษณะต่างๆ.
ความมั่นคงโครงสร้างต้นไม้ตัดสินใจการตรวจสอบแล้ว
โดยการสับเปลี่ยนบทบาทของตัวอย่างการฝึกอบรมสำหรับต้นไม้ตัดสินใจ
การเจริญเติบโตและการทดสอบ เราแสดงให้เห็นว่าการก่อสร้างสอบสวน
ต้นไม้ตัดสินใจสามารถปรับปรุงผลการจัดหมวดหมู่ การวิเคราะห์
ยังพิสูจน์ให้เห็นว่าคลื่นเรดาร์ backscatter เป็นสิ่งสำคัญสำหรับ
การแยกประเภทพื้นฐานคลุมดินเช่น savannas ป่า
และพืชน้ำท่วม เนื้อพบว่าจะมีประโยชน์สำหรับการกลั่น
น้ำท่วมเรียนพืช ข้อมูลชั่วคราวจากภาพ SAR
ของวันที่สองวันที่แตกต่างกันถูกนำมาใช้อย่างชัดเจนในต้นไม้ตัดสินใจ
โครงสร้างเพื่อแจ้งหนองน้ำและน้ำท่วมพืชชั่วคราว.
ต้นไม้ดัชนีข้อกำหนดในการตัดสินใจป่า Multiscale รูรับแสงสังเคราะห์
เรดาร์ (SAR).
I. บทนำ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อการวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการใช้ตัดสินใจแบบต้นไม้และมาตรการเพื่อสกัดใจ multiscale พื้นผิวข้อมูลเกี่ยวกับพืชเขตร้อนครอบคลุมจากทั่วโลกแผนที่ป่าเขตร้อน ( grfm ) jers-1 ซาร์โมเสด เราตั้งใจของเราการศึกษาในเขตชายฝั่งของประเทศกาบอง ซึ่งมีความหลากหลายของที่ดินครอบคลุมประเภททั่วไปในภูมิภาคเขตร้อนมากที่สุด การตัดสินใจแบบต้นไม้ไม่ถือว่าเป็นเฉพาะการกระจายความหนาแน่นของความน่าจะเป็นของข้อมูลเข้าและจึงได้ดัดแปลงสำหรับการจำแนกภาพขทั้งหมดเจ็ดคุณสมบัติรวมทั้งใช้ multiscale เวฟเล็ตมาตรการเนื้อ ( ในระดับ 200 , 400 และ 800 เมตร ) และ multiscaleข้อมูล แบบ multitemporal ( นัดสองที่ระดับ 100 และ 400 เมตร )ใช้แบ่งแยกแผ่นดินครอบคลุมเรียนที่น่าสนใจ ระหว่างชั้นเหล่านี้ คุณลักษณะที่ดีที่สุดสำหรับการแยกชั้น พบโดยการสร้างต้นไม้การตัดสินใจเชิงสำรวจจากการรวมคุณสมบัติต่างๆโครงสร้างการตัดสินใจแบบต้นไม้ความมั่นคงตรวจสอบแล้วโดย interchanging บทบาทของการฝึกอบรมตัวอย่างแผนภาพการตัดสินใจแบบต้นไม้การเจริญเติบโตและการทดสอบ เราแสดงให้เห็นว่า การก่อสร้าง สำรวจต้นไม้การตัดสินใจสามารถปรับปรุงหมวดหมู่ผลลัพธ์ การวิเคราะห์ยังพิสูจน์ว่า เรดาร์กระเจิงกลับของสำคัญ สำหรับที่ดินแยกพื้นฐานครอบคลุมประเภทเช่น savannas , ป่า ,และท่วมพืชผัก เนื้อพบว่าเป็นประโยชน์สำหรับการกลั่นน้ำท่วมพืชในชั้นเรียน ข้อมูลเกี่ยวกับ : ภาพจากสองวันที่แตกต่างกันอย่างชัดเจนในแผนภาพการตัดสินใจแบบต้นไม้โครงสร้างเพื่อระบุบึงและชั่วคราวน้ำท่วมพืชการตัดสินใจด้านดัชนีต้นไม้ , ป่าไม้ , multiscale , รูรับแสงสังเคราะห์เรดาร์ ( SAR )ผมแนะนำ