Fig. 1. Relationship between object

Fig. 1. Relationship between objects under consideration and spatial resolution:
(a) low resolution: pixels significantly larger than objects, sub-pixel techniques
needed. (b) medium resolution: pixel and objects sizes are of the same order, pixelby-
pixel techniques are appropriate. (c) high resolution: pixels are significantly
smaller than object, regionalisation of pixels into groups of pixels and finally objects
is needed.
used extensively in Geospatial applications throughout the 1980s
and 1990s (Blaschke et al., 2004).
Uses for segmentation methods outside remote sensing  including
industrial or medical image processing  are legion (Pal
and Pal, 1993). Within remote sensing applications, algorithms
are numerous and have been rapidly increasing over the past few
years (Kartikeyan et al., 1998; Baatz and Schäpe, 2000; Blaschke
et al., 2004; Neubert et al., 2008). Image segmentation, from an
algorithmic perspective, is generally divided into four categories:
(a) point-based, (b) edge-based, (c) region-based and (d) combined
(Schiewe, 2002)for technical details of segmentation techniques,
readers can refer to Pal and Pal (1993). No matter which of
the methods is applied, segmentation provides the building blocks
of object based image analysis (Hay and Castilla, 2008; Lang, 2008),
at least for now, since the user may ultimately wish to deal with
spatially fuzzy objects (Gorte, 1998) or with fields (Cova and Goodchild,
2002). Segments are regions which are generated by one or
more criteria of homogeneity in one or more dimensions (of a feature
space) respectively. Thus segments have additional spectral
information compared to single pixels (e.g. mean values per band,
and also median values, minimum and maximum values, mean ratios,
variance etc.), but of even greater advantage than the diversification
of spectral value descriptions of objects is the additional
spatial information for objects (Blaschke and Strobl, 2001; Darwish
et al., 2003; Flanders et al., 2003; Benz et al., 2004; van der
Werff and van der Meer, 2008; Hay and Castilla, 2008). It has been
frequently claimed that this spatial dimension (distances, neighbourhood,
topologies, etc.) is crucial to OBIA methods, and that
this is a major reason for the marked increase in the usage of
segmentation-based methods in recent times, compared to the usage
of image segmentation in remote sensing during the 1980s and
1990s (Hay et al., 2003; Koch et al., 2003; Benz et al., 2004; Blaschke
et al., 2004; Liu et al., 2006; Navulur, 2007; Conchedda et al., 2008;
Wuest and Zhang, 2009; Gamanya et al., 2009).
Fig. 1 lays out schematically the relationship between the spatial
resolution and the object under consideration. Although we
have difficulties in defining generically applicable thresholds we
can differentiate semantically between these three situations. For
simplicity, we can regard the pixel in a similar way to the spatial
resolution. Furthermore, when considering the Shannon sampling
theorem (sometimes called NyquistShannon sampling theorem),
we can conclude that an object should be of the order of one
tenth of the dimension of the sampling scheme  the pixel 
in order to ensure that it will be completely independent of
its random position and its orientation relative to the sampling
scheme. The three situations outlined graphically in Fig. 1 require
completely different techniques to unravel information from the
data sets. It can be assumed that the situations (a) and (b) do
not leave much choice when the task is to identify, classify
and characterise a given object as illustrated. The situation (c),
however, may be considered a `high resolution situation', and only

ผลลัพธ์ (ไทย) 1:

รูปที่ 1 ความสัมพันธ์ระหว่างวัตถุที่อยู่ภายใต้การพิจารณาและความละเอียดเชิงพื้นที่:(ก) ความละเอียดต่ำ: พิกเซลที่มีขนาดใหญ่กว่าวัตถุ เทคนิคพิกเซลย่อยอย่างมีนัยสำคัญจำเป็นต้อง (b) ความละเอียดขนาด: มีขนาดพิกเซลและวัตถุของลำดับเดียว pixelby -พิกเซลเทคนิคมีความเหมาะสม (c) ความละเอียดสูง: พิกเซลมากมีขนาดเล็กกว่าวัตถุ regionalisation พิกเซลเป็นกลุ่มพิกเซลและในที่สุดวัตถุจำเป็นใช้อย่างกว้างขวางในงานภูมิสารสนเทศตลอดทศวรรษ 1980และปี 1990 (Blaschke et al. 2004)ใช้วิธีแบ่งส่วนนอกรวมทั้งตรวจจับระยะไกลการประมวลผลภาพทางการแพทย์ หรืออุตสาหกรรมเป็นมรณะ (Palและ Pal, 1993) ภายในงานตรวจวัดระยะไกล อัลกอริทึมมีจำนวนมาก และมีได้เพิ่มขึ้นอย่างรวดเร็วกว่าไม่กี่ที่ผ่านมาปี (Kartikeyan et al. 1998 Baatz และ Schäpe, 2000 Blaschkeet al. 2004 Neubert et al. 2008) ภาพการแบ่งเซกเมนต์ จากการอัลกอริทึมมอง โดยทั่วไปแบ่งออกเป็นสี่ประเภท:(ก) จุด, (ข) ขอบตาม, (c) ภูมิภาคตาม และตาม (ง) รวม(Schiewe, 2002) สำหรับรายละเอียดทางเทคนิคเทคนิคการแบ่งกลุ่มผู้อ่านสามารถอ้างถึง Pal และ Pal (1993) ไม่ว่าที่วิธีการใช้ แบ่งกลุ่มให้สร้างบล็อกของวัตถุจากการวิเคราะห์ภาพ (Hay และ Castilla, 2008 ลัง 2008),อย่างน้อยตอนนี้ เนื่องจากผู้ใช้ในที่สุดอาจต้องการจัดการกับพร่าเลือน spatially วัตถุ (Gorte, 1998) หรือฟิลด์ (Cova และ Goodchild2002) มีส่วนภูมิภาคซึ่งสร้างขึ้น โดยหนึ่ง หรือเงื่อนไขเพิ่มเติมของ homogeneity ในมิติหนึ่งมิติ ขึ้น (ของคุณลักษณะพื้นที่) ตามลำดับ จึง มีการเพิ่มขึ้นส่วนสเปกตรัมข้อมูลเมื่อเทียบกับพิกเซลเดียว (เช่นเฉลี่ยค่าต่อวงและยังค่ามัธยฐาน ค่าต่ำสุด และสูงสุด อัตรา ส่วนเฉลี่ยผลต่างเป็นต้น), แต่ยิ่งได้เปรียบกว่าการกระจายของคำอธิบายของค่าสเปกตรัมของวัตถุเป็นการเพิ่มเติมข้อมูลสำหรับวัตถุ (Blaschke และ Strobl, 2001 Darwishet al. 2003 ฟลานเดอร์ et al. 2003 เบนซ์ et al. 2004 แวนเดอร์Werff และ van der Meer, 2008 ฟางและ Castilla, 2008) จะได้รับมักอ้างว่า พื้นที่นี้ขนาด (ระยะทาง ย่านโท ฯลฯ) เป็นวิธีการ OBIA และที่สำคัญนี่คือเหตุผลสำคัญที่ทำให้การใช้งานของแบ่งตามวิธีในครั้งล่าสุด เมื่อเทียบกับการใช้งานการแบ่งส่วนภาพการตรวจวัดระยะไกลช่วงทศวรรษ 1980 และปี 1990 (เฮย์ et al. 2003 สาขา et al. 2003 เบนซ์ et al. 2004 Blaschkeet al. 2004 Liu et al. 2006 Navulur, 2007 Conchedda et al. 2008ที่ดินโรงงานและเตียว 2009 Gamanya et al. 2009)รูปที่ 1 ออก schematically ความสัมพันธ์ระหว่างพื้นที่วางความละเอียดและวัตถุภายใต้การพิจารณา แม้ว่าเรามีปัญหาในการกำหนดโดยใช้เกณฑ์เราสามารถแยกแยะประโยคระหว่างสถานการณ์เหล่านี้สาม สำหรับความเรียบง่าย เราสามารถมองว่าพิกเซลในลักษณะคล้ายกับ spatialความละเอียดของ นอกจากนี้ เมื่อพิจารณาแชนนอนสุ่มตัวอย่างทฤษฎีบท (บางครั้งเรียกว่าการสุ่มตัวอย่างทฤษฎีบทยัง),เราสามารถสรุปได้ว่า วัตถุควรเป็นลำดับหนึ่งสิบของขนาดของพิกเซลแบบสุ่มตัวอย่างเพื่อให้แน่ใจว่า มันจะเป็นอิสระอย่างสมบูรณ์จากตำแหน่งที่ตั้งที่สุ่มและทิศเมื่อเทียบกับการสุ่มตัวอย่างโครงร่าง ต้องสามสถานการณ์ outlined ภาพกราฟิกในรูปที่ 1เทคนิคที่แตกต่างอย่างสิ้นเชิงเพื่อคลี่คลายจากการชุดข้อมูล สามารถสันนิษฐานว่า สถานการณ์ (ก) และ (b) ทำไม่เลือกมากเมื่องานจะระบุ จัดประเภทและภายในวัตถุที่กำหนดดังที่แสดง สถานการณ์ (c),อย่างไรก็ตาม อาจถูกพิจารณาว่า 'ความละเอียดสูงสถานการณ์' และเท่านั้น

ผลลัพธ์ (ไทย) 2:

มะเดื่อ. 1. ความสัมพันธ์ระหว่างวัตถุภายใต้การพิจารณาและความละเอียดเชิงพื้นที่:
(ก) ความละเอียดต่ำ: พิกเซลมีขนาดใหญ่กว่าวัตถุเทคนิคพิกเซลย่อย
ที่จำเป็น (ข) ความละเอียดปานกลาง: พิกเซลและวัตถุที่มีขนาดของการสั่งซื้อเดียวกัน pixelby-
เทคนิคพิกเซลที่มีความเหมาะสม (ค) ความละเอียดสูง: พิกเซลอย่างมีนัยสำคัญ
มีขนาดเล็กกว่าวัตถุภูมิภาคพิกเซลเป็นกลุ่มพิกเซลและสุดท้ายวัตถุ
เป็นสิ่งจำเป็น.
ใช้อย่างกว้างขวางในการใช้งาน Geospatial ตลอดปี 1980
และ 1990 (Blaschke et al, 2004)..
ใช้วิธีการแบ่งส่วนนอก การสำรวจระยะไกล ? รวมทั้ง
การประมวลผลภาพอุตสาหกรรมหรือทางการแพทย์? พยุหะ (PAL
และ PAL, 1993) ภายในโปรแกรมประยุกต์ระยะไกลขั้นตอนวิธีการ
เป็นจำนวนมากและได้รับการเพิ่มขึ้นอย่างรวดเร็วในช่วงไม่กี่ที่ผ่านมา
ปี (Kartikeyan et al, 1998;. Baatz และSchäpe, 2000; Blaschke
et al, 2004;.. Neubert et al, 2008) การแบ่งส่วนภาพจาก
มุมมองของอัลกอริทึมโดยทั่วไปจะแบ่งออกเป็นสี่ประเภท
(ก) จุดตาม (ข) ขอบ-based (c) ภูมิภาค-based และ (ง) รวม
(Schiewe, 2002) สำหรับรายละเอียดทางเทคนิคของ? เทคนิคการแบ่งกลุ่ม
ผู้อ่านสามารถดูและ Pal Pal (1993) เรื่องของ
วิธีการที่ถูกนำไปใช้การแบ่งส่วนให้การสร้างบล็อค
ของการวิเคราะห์ภาพตามวัตถุ (หญ้าแห้งและ Castilla 2008; หรั่ง 2008)
อย่างน้อยตอนนี้เนื่องจากผู้ใช้ในท้ายที่สุดอาจต้องการที่จะจัดการกับ
วัตถุเลือนตำแหน่ง (Gorte , 1998) หรือที่มีเขตข้อมูล (Cova และ Goodchild,
2002) กลุ่มเป็นภูมิภาคที่สร้างโดยหนึ่งหรือ
เกณฑ์ของความเป็นเนื้อเดียวกันในหนึ่งหรือมากกว่ามิติ (ของคุณลักษณะ
เว้นวรรค) ตามลำดับ ดังนั้นกลุ่มที่มีสเปกตรัมเพิ่มเติม
ข้อมูลเมื่อเทียบกับพิกเซลเดียว (เช่นหมายถึงค่าต่อวงดนตรี
และค่ามัธยฐานค่าต่ำสุดและสูงสุดอัตราส่วนค่าเฉลี่ย
ความแปรปรวน ฯลฯ ) แต่ความได้เปรียบมากขึ้นกว่าการกระจายความเสี่ยง
ของรายละเอียดค่าสเปกตรัมของวัตถุที่เป็น เพิ่มเติม
ข้อมูลเชิงพื้นที่สำหรับวัตถุ (Blaschke และ Strobl 2001; Darwish
et al, 2003;. ลานเดอร์ et al, 2003;.. เบนซ์ et al, 2004; แวนเดอร์
Werff และแวนเดอร์เมียร์ 2008; หญ้าแห้งและ Castilla 2008) . มันได้รับการ
อ้างบ่อยมิติเชิงพื้นที่นี้ (ระยะทางเขต
ยี ฯลฯ ) เป็นสิ่งสำคัญที่วิธีการ OBIA และที่
นี่เป็นเหตุผลที่สำคัญสำหรับชัดเจนมากขึ้นในการใช้งานของ
วิธีการแบ่งกลุ่มตามในครั้งที่ผ่านมาเมื่อเทียบกับ การใช้งาน
ของการแบ่งส่วนภาพในระยะไกลในช่วงปี 1980 และ
ปี 1990 (Hay et al, 2003;. Koch et al, 2003;. เบนซ์ et al, 2004;. Blaschke
et al, 2004;. หลิว et al, 2006;. Navulur 2007; Conchedda et al, 2008;.
Wuest และ Zhang 2009;.. Gamanya et al, 2009)
รูป 1 ออกวางแผนผังความสัมพันธ์ระหว่างอวกาศ
ความละเอียดและวัตถุภายใต้การพิจารณา แม้ว่าเราจะ
มีความยากลำบากในการกำหนดเกณฑ์ทั่วไปบังคับเรา
สามารถแยกความแตกต่างระหว่างความหมายที่สามเหล่านี้สถานการณ์ สำหรับ
ความเรียบง่ายเราสามารถถือว่าพิกเซลในทางที่คล้ายกับอวกาศ
ความละเอียด นอกจากนี้เมื่อพิจารณาการสุ่มตัวอย่าง Shannon
ทฤษฎีบท (บางครั้งเรียก Nyquist? Shannon สุ่มตัวอย่างทฤษฎีบท)
เราสามารถสรุปได้ว่าวัตถุที่ควรจะเป็นของการสั่งซื้อของหนึ่ง
ในสิบของมิติของรูปแบบการสุ่มตัวอย่างหรือไม่ พิกเซลหรือไม่
เพื่อให้แน่ใจว่ามันจะเป็นอิสระจาก
ตำแหน่งสุ่มและการวางแนวทางเทียบกับการสุ่มตัวอย่าง
โครงการ สามสถานการณ์ที่ระบุไว้ในรูปแบบกราฟิก 1 ต้องใช้
เทคนิคที่แตกต่างอย่างสิ้นเชิงที่จะคลี่คลายข้อมูลจาก
ชุดข้อมูล มันอาจจะคิดว่าสถานการณ์ (ก) และ (ข) ไม่
ได้ออกจากทางเลือกมากเมื่องานคือการระบุแยกประเภท
และลักษณะของวัตถุที่ได้รับเป็นภาพประกอบ สถานการณ์ (ค)
แต่อาจได้รับการพิจารณาความละเอียดสูง `สถานการณ์ 'และมีเพียง

ผลลัพธ์ (ไทย) 3:

รูปที่ 1 ความสัมพันธ์ระหว่างวัตถุภายใต้การพิจารณาและความละเอียดเชิงพื้นที่ :( ก ) ความละเอียดต่ำ : พิกเซลมีขนาดใหญ่กว่าวัตถุ sub-pixel เทคนิคต้องการ ( ข ) ความละเอียดปานกลาง : พิกเซล และขนาดของวัตถุเพื่อ pixelby - เหมือนกันพิกเซล เป็นเทคนิคที่เหมาะสม ( ค ) ความละเอียดสูง : พิกเซลเป็นอย่างมากมีขนาดเล็กกว่าวัตถุ Regionalisation พิกเซลพิกเซลและวัตถุในกลุ่มสุดท้ายเป็นสิ่งจำเป็นใช้อย่างกว้างขวางในการใช้งานสำหรับตลอดทศวรรษ 1980และ 1990 ( blaschke et al . , 2004 )สำหรับการใช้วิธีการนอกระยะไกล ได้แก่อุตสาหกรรมหรือการประมวลผลภาพทางการแพทย์มรณะ ( พัลและ PAL , 1993 ) ในการรับรู้จากระยะไกลโปรแกรม ขั้นตอนวิธีเป็นจำนวนมากและมีการเพิ่มขึ้นอย่างรวดเร็วในช่วงไม่กี่ปี ( kartikeyan et al . , 1998 ; และ baatz SCH และ PE , 2000 ; blaschkeet al . , 2004 ; neubert et al . , 2008 ) การแบ่งส่วนภาพจากมุมมอง Algorithmic Trading โดยทั่วไปจะแบ่งออกเป็นสี่ประเภท :( ก ) ( ข ) จุดตามขอบ ตาม ( ค ) ในภูมิภาคตาม ( ง ) รวม( schiewe , 2002 ) สำหรับรายละเอียดทางเทคนิคของเทคนิค การแบ่งส่วนตลาดผู้อ่านสามารถดูเพื่อนกับเพื่อน ( 1993 ) ไม่ว่าที่แห่งวิธีการคือการใช้โปรแกรมมีการสร้างบล็อกการวิเคราะห์ภาพจากวัตถุ ( เฮย์และ Castilla , 2008 ; Lang , 2008 )อย่างน้อยสำหรับตอนนี้ เมื่อผู้ใช้ในที่สุดอาจต้องการที่จะจัดการกับวัตถุเปลี่ยนฟัซซี ( gorte , 1998 ) หรือข้อมูล ( โควา และ กู๊ดชายลด์ ,2002 ) ส่วนที่เป็นภูมิภาคซึ่งถูกสร้างขึ้นโดยหนึ่งหรือเกณฑ์ของค่าในหนึ่งหรือมากกว่าหนึ่งมิติ ( ประกอบด้วยพื้นที่ ) ตามลำดับ ดังนั้นจึงมีการเพิ่มส่วนข้อมูลเปรียบเทียบกับพิกเซลเดียว ( เช่น หมายถึงคุณค่าต่อวงและยังมีค่ามัธยฐาน ค่าต่ำสุดและค่าสูงสุด ค่าเฉลี่ย อัตราส่วนความแปรปรวน ฯลฯ ) แต่ของมีประโยชน์ยิ่งกว่าวิสาหกิจของสเปกตรัมค่ารายละเอียดของวัตถุ คือ เพิ่มเติมข้อมูลเชิงพื้นที่ของวัตถุ ( blaschke กับสโตรเบล , 2001 ; Darwishet al . , 2003 ; แฟลนเดอร์ส et al . , 2003 ; เบนซ์ et al . , 2004 ; แวน เดอwerff และ ฟาน เดอร์ ขึ้น , 2008 ; หญ้าแห้งและ Castilla , 2008 ) มันได้รับมักอ้างว่ามิติเชิงพื้นที่ ( ระยะทาง ตาง ๆรูปแบบ , ฯลฯ ) มีความสําคัญต่อวิธีการ obia และที่นี่คือเหตุผลหลักสำหรับการเพิ่มขึ้นในการใช้เครื่องหมายแบ่งตามวิธีการในครั้งล่าสุด เมื่อเปรียบเทียบกับการใช้งานการแบ่งส่วนของภาพในการรับรู้จากระยะไกลในช่วงปี 1980 และ1990 ( เฮ et al . , 2003 ; Koch et al . , 2003 ; เบนซ์ et al . , 2004 ; blaschkeet al . , 2004 ; Liu et al . , 2006 ; navulur , 2007 ; conchedda et al . , 2008 ;wuest และจาง , 2009 ; gamanya et al . , 2009 )รูปที่ 1 ออกวางแผนผังความสัมพันธ์ระหว่างพื้นที่ความละเอียดและวัตถุภายใต้การพิจารณา ถึงแม้ว่าเรามีปัญหาในการใช้โดยทั่วไป ซึ่งเราสามารถแยกแยะความหมายระหว่างทั้งสามสถานการณ์ สำหรับความเรียบง่าย เราสามารถพิจารณาพิกเซลในลักษณะที่คล้ายคลึงกับปริภูมิความละเอียด นอกจากนี้ เมื่อพิจารณาจำนวนแชนนอนทฤษฎีบท ( บางครั้งเรียกว่า nyquistshannon ทฤษฎีบทสุ่ม )เราสามารถสรุปได้ว่าวัตถุควรอยู่ในคำสั่งของหนึ่งสิบของขนาดของตัวอย่างรูปแบบพิกเซลในการสั่งซื้อเพื่อให้แน่ใจว่ามันจะสมบูรณ์อิสระของตำแหน่งที่สุ่มและการวางแนวของเทียบกับการสุ่มตัวอย่างโครงการ 3 สถานการณ์ที่อธิบายไว้ในรูปที่ 1 ต้องใช้กราฟิกเทคนิคที่แตกต่างกันอย่างสมบูรณ์เพื่อแก้ข้อมูลจากชุดข้อมูล มันสามารถสันนิษฐานว่าสถานการณ์ ( a ) และ ( b ) ทำอย่าเลือกมากเมื่องานระบุ จำแนกนักศึกษาและให้วัตถุเป็นภาพประกอบ สถานการณ์ ( C ) ,อย่างไรก็ตาม อาจจะมีการพิจารณาความละเอียดสูง " สถานการณ์ " , และเพียง