For geometric correction of the sec

For geometric correction of the second-order polynomial
distorted simulation image, the quadratic polynomial model
parameters required were estimated by least-squares adjustment
using the GCPs generated above. There were 16 GCPs for calibration
and 50 VPs for validation in each geometric correction experiment.
As described in Section 3.1, GCPs spatial patterns for SRS, SCS, and
UKMS were designed in the simulation experiments. Here, SRS
and SCS did not require prior information. The prior information
of UKMS was provided by the SCS geometric correction. (1) The
trend function was determined by the geometric correction model
employing SCS. (2) The variogram was modeled by an exponential
model using 50 VPs residuals in SCS. The variogram for the
u-coordinate is shown in Fig. 6a, with a nugget of 0.015, sill of
0.053, and range of 420 pixels. The variogram for the v-coordinate
is shown in Fig. 6b, with a nugget of 0.008, sill of 0.043, and range of
385 pixels. Using this prior information, the UKMS GCPs spatial pattern
was obtained. Furthermore, it is important to note that GCPs
and VPs must be located at ground or image characteristic points,
such as the crossing of roads or the corner of a building, which
are clearly identified in practice. Therefore, if the control points
are not located as such, a small adjustment is needed to ensure
GCPs are located at feature points around the sample points. For
example, in the cases of SCS and UKMS shown in Figs. 2 and 5, the
hollow triangle represents the ideal GCPs location in the reference
image, while the filled triangle represents the real GCPs location
after adjustment.
Using the framework of the simulation experiment discussed
in section 3.1, three sampling design for selecting GCPs (i.e., SRS,
SCS, and UKMS), the corresponding VP RMSE statistics (i.e., RMSEu,
RMSEv, RMSE) and the sum of the two square errors statistical inference
results (i.e., the mean, variance, t-value, lower confidence and
upper confidence of z) were calculated as listed in Table 1. In the
case of the SRS GCPs spatial sampling design (see Fig. 2a), the GCPs
were distributed randomly throughout the image. The RMSE and
the mean of z were 0.5413 and 0.2930, respectively, which were
the largest values among the three sampling design. In the case

ผลลัพธ์ (ไทย) 1:

สำหรับการแก้ไขรูปทรงเรขาคณิตของพหุนามลำดับที่สองภาพจำลองเพี้ยน แบบพหุนามกำลังสองพารามิเตอร์ที่ต้องถูกประเมิน โดยการปรับปรุงกำลังสองน้อยสุดใช้ GCPs สร้างข้างต้น มี 16 GCPs สำหรับปรับเทียบและ VPs 50 สำหรับการตรวจสอบในแต่ละการทดลองแก้ไขรูปทรงเรขาคณิตตามที่อธิบายไว้ในหัวข้อ 3.1, GCPs รูปแบบพื้นที่สำหรับ SRS อันคุ้มค่า และUKMS ถูกออกแบบในการทดลองการจำลอง ที่นี่ SRSและอันคุ้มค่าไม่ต้องการทราบข้อมูล ข้อมูลก่อนของ UKMS ได้รับจากการแก้ไขทางเรขาคณิตอันคุ้มค่า (1)กำหนดฟังก์ชัน trend โดยรูปแบบการแก้ไขรูปทรงเรขาคณิตใช้อันคุ้มค่า (2 variogram)ได้สร้างแบบจำลอง โดยการเนนแบบจำลองที่ใช้ค่าคงเหลือ VPs 50 อันคุ้มค่า Variogram สำหรับการu-พิกัดแสดงใน Fig. 6a มีนักเก็ตของ 0.015 สืบของ0.053 และช่วง 420 พิกเซล Variogram สำหรับพิกัด vแสดงใน Fig. 6b มีนักเก็ตของ 0.008 สืบ 0.043 และหลากหลาย385 พิกเซล ใช้ข้อมูลก่อนหน้านี้ รูปแบบปริภูมิ UKMS GCPsได้รับ นอกจากนี้ จะต้องสังเกตว่า GCPsและต้องอยู่ที่พื้นหรือรูปลักษณะจุด VPsเช่นข้ามถนนหรือมุมของอาคาร การชัดเจนที่ระบุไว้ในแบบฝึกหัด ดังนั้น ถ้าตัวควบคุมจุดอยู่ไม่ดัง การปรับขนาดเล็กเป็นสิ่งจำเป็นเพื่อให้แน่ใจGCPs อยู่จุดคุณลักษณะสถานจุดตัวอย่าง สำหรับตัวอย่าง ในกรณีของ UKMS ที่แสดงใน Figs. 2 และ 5 และอันคุ้มค่าสามเหลี่ยมกลวงแทน GCPs สะดวกในการอ้างอิงภาพ ในขณะที่สามเหลี่ยมเติมแทนตำแหน่ง GCPs จริงหลังจากปรับปรุงโดยใช้กรอบงานทดลองจำลองที่กล่าวถึงในส่วนที่ 3.1 ออกแบบสุ่มตัวอย่าง 3 เลือก GCPs (เช่น SRSอันคุ้มค่า และ UKMS), สถิติ VP RMSE ที่สอดคล้องกัน (เช่น RMSEuRMSEv, RMSE) และผลรวมของข้อสถิติสองตารางข้อผิดพลาดผลลัพธ์ (เช่น การหมายถึง ผลต่าง ค่า t ความเชื่อมั่นที่ต่ำกว่า และความมั่นใจสูงสุดของ z) คำนวณได้ ตามตารางที่ 1 ในกรณีสุ่มปริภูมิ SRS GCPs ออก (ดู Fig. 2a), GCPs แบบได้กระจายแบบสุ่มทั่วภาพ RMSE และค่าเฉลี่ยของ z ได้ 0.5413 และ 0.2930 ตามลำดับ ซึ่งมีค่าที่ใหญ่ที่สุดในการออกแบบการสุ่มตัวอย่าง 3 ในกรณี

ผลลัพธ์ (ไทย) 2:

สำหรับการแก้ไขทางเรขาคณิตของพหุนามสองเพื่อ
จำลองภาพบิดเบี้ยวแบบพหุนามกำลังสอง
พารามิเตอร์ที่จำเป็นได้รับการประเมินโดยการปรับน้อยสี่เหลี่ยม
ใช้ GCPs ที่สร้างขึ้นดังกล่าวข้างต้น มี 16 GCPs สำหรับการสอบเทียบได้
และ 50 VPs สำหรับการตรวจสอบในแต่ละการทดลองการแก้ไขรูปทรงเรขาคณิต.
ตามที่อธิบายไว้ในมาตรา 3.1 GCPs รูปแบบการกระจายสำหรับ SRS, SCS และ
UKMS ได้รับการออกแบบในการทดลองจำลอง นี่ SRS
และ SCS ไม่จำเป็นต้องมีข้อมูลก่อน ข้อมูลก่อน
ของ UKMS ได้รับจากการแก้ไขรูปทรงเรขาคณิต SCS (1)
ฟังก์ชั่นแนวโน้มถูกกำหนดโดยรูปแบบการแก้ไขรูปทรงเรขาคณิต
จ้าง SCS (2) variogram เป็นแบบอย่างโดยชี้แจง
รูปแบบการใช้เหลือ 50 VPs ใน SCS variogram สำหรับ
U-พิกัดแสดงในรูป 6a กับนักเก็ตของ 0.015 บันไดประตูของ
0.053 และช่วงของ 420 พิกเซล variogram สำหรับ V-พิกัด
แสดงในรูป 6b กับนักเก็ตของ 0.008, 0.043 งัวและช่วงของ
385 พิกเซล การใช้ข้อมูลนี้ก่อนรูปแบบเชิงพื้นที่ UKMS GCPs
ที่ได้รับ นอกจากนี้ยังเป็นสิ่งสำคัญที่จะทราบว่า GCPs
และ VPs จะต้องอยู่ที่จุดลักษณะพื้นดินหรือภาพ
เช่นข้ามถนนหรือมุมของอาคารซึ่ง
มีการระบุไว้อย่างชัดเจนในทางปฏิบัติ ดังนั้นถ้าจุดควบคุม
ไม่ได้อยู่เช่นการปรับขนาดเล็กเป็นสิ่งจำเป็นเพื่อให้แน่ใจว่า
GCPs ตั้งอยู่ที่จุดคุณลักษณะรอบจุดตัวอย่าง สำหรับ
ตัวอย่างเช่นในกรณีของ SCS และ UKMS แสดงในมะเดื่อ 2 และ 5,
สามเหลี่ยมกลวงแทนตำแหน่ง GCPs ที่เหมาะในการอ้างอิง
ภาพในขณะที่สามเหลี่ยมเต็มไปหมายถึงสถานที่ตั้ง GCPs จริง
หลังการเปลี่ยนแปลง.
โดยใช้กรอบของการทดลองจำลองที่กล่าวถึง
ในส่วน 3.1 การออกแบบสามสุ่มตัวอย่างสำหรับการเลือก GCPs (เช่น SRS,
SCS และ UKMS) สถิติ VP RMSE ที่สอดคล้องกัน (เช่น RMSEu,
RMSEv ค่า RMSE) และผลรวมของสองข้อผิดพลาดตารางอนุมานเชิงสถิติ
ผล (เช่นค่าเฉลี่ยความแปรปรวน t-ค่าความเชื่อมั่นที่ลดลงและ
ความเชื่อมั่นด้านบน ของ Z) จะถูกคำนวณตามที่ระบุไว้ในตารางที่ 1 ใน
กรณีของการออกแบบการสุ่มตัวอย่างเชิงพื้นที่ SRS GCPs (ดูรูป. 2a) GCPs
มีการกระจายแบบสุ่มตลอดทั้งภาพ RMSE และ
ค่าเฉลี่ยของ Z เป็น 0.5413 และ 0.2930 ตามลำดับซึ่งเป็น
ค่าที่ใหญ่ที่สุดในสามการออกแบบการสุ่มตัวอย่าง ในกรณีที่

ผลลัพธ์ (ไทย) 3:

สำหรับการแก้ไขทางเรขาคณิตของพหุนามอันดับสอง
บิดเบือนการจำลองภาพ พหุนามกำลังสองแบบจำลองโดยวิธีประมาณพารามิเตอร์ที่ต้องการ

ใช้ gcps ปรับขึ้นข้างบน มี 16 gcps สำหรับการสอบเทียบ
และ 50 VPS สำหรับการตรวจสอบในแต่ละเรขาคณิตแก้ไขทดลอง .
ที่อธิบายไว้ในมาตรา 1 gcps เชิงพื้นที่แบบ SRS SCS และ
,ukms ถูกออกแบบในการทดลองจำลอง ที่นี่และ SRS
SCS ไม่ได้ต้องการข้อมูลก่อน ก่อนที่ข้อมูล
ของ ukms โดย SCS เรขาคณิตแก้ไข ( 1 )
ฟังก์ชันแนวโน้มกำหนดโดยการใช้เรขาคณิตแบบจำลอง SCS
. ( 2 ) variogram ถูกออกแบบโดยชี้แจง
แบบ 50 VPS ความคลาดเคลื่อนใน SCS . การ variogram สำหรับ
u-coordinate จะแสดงในรูปที่ 6 กับ นักเก็ต เท่ากับ 0.015 , งัวของ
0.053 , และช่วงของ 420 พิกเซล การ variogram สำหรับ v-coordinate
จะแสดงในรูปบน กับนักเก็ตของ 0.008 , งัวของ 0.043 และช่วงของ
385 พิกเซล การใช้ข้อมูลก่อนนี้ ukms gcps มิติสัมพันธ์รูปแบบ
ได้ . นอกจากนี้ยังเป็นสิ่งสำคัญที่จะทราบว่า gcps
และ VPS ต้องอยู่ที่พื้นดินหรือจุดลักษณะภาพ
เช่นข้ามถนน หรือมุมของตึก ซึ่งระบุไว้อย่างชัดเจนใน
มีการปฏิบัติ ดังนั้น ถ้าจุดควบคุม
ไม่ได้อยู่ เช่น การปรับขนาดเล็กเป็นสิ่งจำเป็นเพื่อให้
gcps ตั้งอยู่ที่ประกอบด้วยจุดรอบตัวอย่างคะแนน สำหรับ
ตัวอย่างในกรณีของวิธี SCS และ ukms แสดงในผลมะเดื่อ . 2
5สามเหลี่ยมกลวงเป็นสถานที่ที่เหมาะใน gcps ภาพอ้างอิง
ในขณะที่เต็มสามเหลี่ยมแทน gcps สถานที่จริงๆ

หลังจากปรับเปลี่ยน โดยใช้กรอบของการทดลองจำลองกล่าวถึง
ในส่วน 3.1 สามตัวอย่างการออกแบบสำหรับการเลือก gcps ( เช่น SRS
, SCS และ ukms ) ที่ VP RMSE สถิติเช่น rmseu
rmsev , ,RMSE ) และผลรวมของทั้งสองตารางข้อผิดพลาดทางสถิติอนุมาน
ผล ( เช่น ค่าเฉลี่ย ความแปรปรวน t-value ลดความเชื่อมั่นและ
บนความเชื่อมั่นของ Z ) คำนวณตามที่ระบุไว้ในตารางที่ 1 ใน กรณีของ SRS gcps
พื้นที่ตัวอย่างการออกแบบ ( ดูภาพประกอบ 2A ) , gcps
มีการกระจายแบบสุ่มทั่วภาพ และค่าเฉลี่ย RMSE
z และมี 0.5413 0.2930 ตามลำดับ ซึ่ง
ที่ใหญ่ที่สุดในบรรดา 3 คน ค่าออกแบบ ในกรณี