Cromp and Campbell’s work [7], whic

Cromp and Campbell’s work [7], which examined several image classification algorithms
and argued the need for augmenting the meta-database with information on image content, stands
as the original effort to extend data mining techniques into remote sensing. Alber et al [8]
demonstrated the capability of image search algorithms to search large databases for multi- and
hyperspectral image cubes most closely matching a particular query cube. An interactive search
and analysis tool was presented and tested based on a relevance feedback approach to enhance a
content-based image retrieval process. Chang [9] and Ren [10] studied target detection and image
classification algorithms in hyperspectral imagery. An automatic target generation process
generates a set of targets from image data in an unsupervised manner which is classified by the
target classification process. Schweizer and Moura [11] exploits both the spatial and spectral
correlations in hyperspectral imagery and proposed an approach based on a Gauss–Markov
random field (GMRF) modeling of the clutter, which has the advantage of providing a direct
parameterization of the inverse of the clutter covariance

ผลลัพธ์ (ไทย) 1:

ทำงาน cromp และแคมป์เบล [7] ซึ่งการตรวจสอบขั้นตอนวิธีการจัดหมวดหมู่ภาพหลาย
และที่ถกเถียงกันอยู่ความจำเป็นในการ augmenting เมตาดาต้าฐานข้อมูลที่มีข้อมูลเกี่ยวกับเนื้อหาของภาพยืน
เป็นความพยายามเดิมที่จะขยายเทคนิคการทำเหมืองข้อมูลในระยะไกล Alber et al, [8] แสดงให้เห็นถึงความสามารถในการ
ของขั้นตอนวิธีการค้นหารูปภาพเพื่อค้นหาฐานข้อมูลขนาดใหญ่สำหรับหลายและ
ภาพ hyperspectral ก้อนอย่างใกล้ชิดที่สุดที่ตรงกับก้อนแบบสอบถามโดยเฉพาะอย่างยิ่ง เครื่องมือค้นหาแบบโต้ตอบ
และการวิเคราะห์ที่ถูกนำเสนอและผ่านการทดสอบตามวิธีการที่เสนอแนะความเกี่ยวข้องกับการเพิ่ม
เนื้อหาตามกระบวนการการดึงภาพ ช้าง [9] และ Ren [10] การตรวจจับเป้าหมายการศึกษาและภาพ
ขั้นตอนวิธีการจัดหมวดหมู่ในภาพ hyperspectral เป้าหมายกระบวนการอัตโนมัติรุ่น
สร้างชุดของเป้าหมายจากข้อมูลภาพในลักษณะที่ใกล้ชิดซึ่งจัดโดย
เป้าหมายกระบวนการจัดหมวดหมู่ Schweizer และ moura [11] ใช้ประโยชน์ทั้งเชิงพื้นที่และสเปกตรัมความสัมพันธ์ในภาพ
hyperspectral และนำเสนอวิธีการที่อยู่บนพื้นฐานของเกาส์มาร์คอฟ-สนามสุ่ม
(gmrf) การสร้างแบบจำลองของความยุ่งเหยิงซึ่งมีความได้เปรียบในการให้โดยตรง
parameterization จากผกผันของความแปรปรวนรกรุงรัง

ผลลัพธ์ (ไทย) 2:

Cromp และแคมป์งาน [7], ซึ่งตรวจสอบหลายภาพอัลกอริทึมประเภท
และโต้เถียงต้องอีก meta-ฐานข้อมูลเนื้อหารูปภาพ ยืน
เป็นต้นฉบับพยายามขยายเทคนิคเหมืองข้อมูลในแชมพู Alber et al [8]
แสดงความสามารถของอัลกอริทึมการค้นหารูปภาพเพื่อค้นหาฐานข้อมูลขนาดใหญ่สำหรับหลาย และ
รูป hyperspectral ยกกำลังสามตรงส่วนใหญ่ใกล้เคียงกับ cube แบบสอบถามเฉพาะ การค้นหาแบบ
และนำเสนอเครื่องมือวิเคราะห์ และทดสอบตามวิธีการผลป้อนกลับเกี่ยวข้องเพื่อเพิ่มประสิทธิภาพการ
กระบวนการเรียกใช้เนื้อหาภาพ ช้าง [9] และเร็น [10] ศึกษาตรวจเป้าหมาย และภาพ
อัลกอริทึมการจัดประเภทใน hyperspectral ถ่าย กระบวนการสร้างเป้าหมายอัตโนมัติ
สร้างชุดของเป้าหมายจากข้อมูลภาพในลักษณะการ unsupervised ซึ่งเป็นประเภท
เป้าหมายกระบวนการจัดประเภทการ Schweizer และ Moura [11] ให้นำทั้งปริภูมิ และสเปกตรัม
ความสัมพันธ์ในภาพถ่าย hyperspectral และเสนอวิธีการตาม Gauss–Markov
สุ่มฟิลด์ (GMRF) การสร้างโมเดลของความไม่เป็นในระเบียบ ซึ่งมีข้อดีตรงที่ให้
parameterization ของส่วนกลับของความแปรปรวนร่วมของความไม่เป็นระเบียบ

ผลลัพธ์ (ไทย) 3:

cromp และการทำงานของ Port Campbell [ 7 ],ซึ่งได้ตรวจสอบหลาย ภาพ อัลกอริธึมการจำแนก ประเภท
และให้เหตุผลความจำเป็นสำหรับเคยชื่นชมยินดีปรากฏชัดกลุ่มฐานข้อมูลที่พร้อมด้วยข้อมูลเนื้อหา ภาพ อยู่
ซึ่งจะช่วยเป็นความพยายามที่จะขยายเทคนิคการทำเหมืองแร่ข้อมูลลงในรีโมทคอนโทรลพร้อมด้วยการตรวจจับช่องเสียบ. alber et al [ 8 ]
แสดงให้เห็นถึงความสามารถของอัลกอริธึมการค้นหา ภาพ ในการค้นหาฐานข้อมูลขนาดใหญ่สำหรับหลายและ
ภาพ hyperspectral ก้อนที่ตรงกันโดยเฉพาะลูกบาศก์สืบค้นอย่างใกล้ชิดมากที่สุด การค้นหาแบบอินเทอร์แร็คทีฟที่
และเครื่องมือการวิเคราะห์ได้ถูกนำเสนอและได้รับการทดสอบที่ใช้แนวทางความคิดเห็นความสัมพันธ์ที่จะช่วยเพิ่ม ประสิทธิภาพ ของกระบวนการการกู้คืนข้อมูล ภาพ
ซึ่งจะช่วยเนื้อหาที่ใช้ ช้าง[ 9 ]และ[ 10 ] REN ศึกษาอัลกอริธึมการตรวจจับเป้าหมายและ ภาพ
ซึ่งจะช่วยในการจำแนก ประเภท hyperspectral รูปภาพ โดยอัตโนมัติตามเป้าหมายการสร้างกระบวนการ
ตามมาตรฐานที่จะสร้างชุดของกลุ่มเป้าหมายจากข้อมูล ภาพ ในลักษณะที่ไม่มีการตรวจสอบซึ่งได้รับการจำแนกให้เป็นโดยกระบวนการ
ซึ่งจะช่วยให้เป้าหมายการจัด ประเภท schweizer และ moura [ 11 ]ข้อบกพร่องของทั้งสองที่มีมิติและความยาวคลื่น
สัมพันธ์เชิงใน hyperspectral รูปภาพ และเสนอให้ใช้วิธีการตามที่เกาซ - markov
แบบสุ่ม( gmrf )การสร้างแบบจำลองของเกะกะซึ่งมีประโยชน์ในการจัดให้มีที่ตรง
parameterization ของกลับกันของ covariance เกะกะ