Supervised classification can be ve

Supervised classification can be very effective and accurate in classifying satellite images and can be applied at the individual pixel level or to image objects (groups of adjacent, similar pixels). However, for the process to work effectively, the person processing the image needs to have a priori knowledge (field data, aerial photographs, or other knowledge) of where the classes of interest (e.g., land cover types) are located, or be able to identify them directly from the imagery. This method is often used with unsupervised classification in a process called hybrid classification. Unsupervised classification can be used first to determine the spectral class composition of the image and to see how well the intended land cover classes can be defined from the image. After this initial step, supervised classification can be used to classify the image into the land cover types of interest

ผลลัพธ์ (ไทย) 1:

การจัดประเภทภายใต้การดูแลได้อย่างมีประสิทธิภาพมาก และแม่นยำในการจำแนกภาพดาวเทียม และสามารถใช้ได้ ในระดับแต่ละพิกเซล หรือภาพวัตถุ (กลุ่มของพิกเซลที่อยู่ติดกับ คล้าย) อย่างไรก็ตาม สำหรับกระบวนการทำงานได้อย่างมีประสิทธิภาพ บุคคลประมวลภาพต้องมีความรู้เป็น priori (ฟิลด์ข้อมูล ภาพถ่ายทางอากาศ หรือความรู้อื่น ๆ) ของที่เรียนน่าสนใจ (เช่น ที่ดินฝาชนิด) อยู่ หรือไม่สามารถระบุได้โดยตรงจากภาพ มักจะมีใช้วิธีนี้กับขั่วการจัดประเภทในกระบวนการเรียกว่าไฮบริดสลีการจัดประเภท เตรียมการจัดประเภทใช้ครั้งแรก เพื่อกำหนดองค์ประกอบระดับสเปกตรัมของรูปภาพ และดูวิธีที่ดีสามารถกำหนดที่ดินตั้งใจเรียนปกจากภาพ หลังจากขั้นตอน การจัดประเภทภายใต้การดูแลสามารถใช้จำแนกภาพเป็นประเภทครอบคลุมที่ดินที่น่าสนใจ

ผลลัพธ์ (ไทย) 2:

ภายใต้การดูแลการจัดหมวดหมู่ได้อย่างมีประสิทธิภาพและถูกต้องในการจัดหมวดหมู่ภาพจากดาวเทียมและสามารถนำไปใช้ในระดับพิกเซลบุคคลหรือวัตถุภาพ (กลุ่มที่อยู่ติดกันพิกเซลที่คล้ายกัน) อย่างไรก็ตามสำหรับขั้นตอนในการทำงานได้อย่างมีประสิทธิภาพบุคคลที่ประมวลผลภาพจะต้องมีความรู้เบื้องต้น (ข้อมูลภาคสนาม, ภาพถ่ายทางอากาศหรือความรู้อื่น ๆ ) ของที่เรียนที่น่าสนใจ (เช่นประเภทปกที่ดิน) จะอยู่หรือไม่สามารถ เพื่อแจ้งให้พวกเขาได้โดยตรงจากภาพ วิธีนี้มักจะใช้กับการจัดหากินในกระบวนการที่เรียกว่าการจำแนกประเภทไฮบริด การจัดหมวดหมู่ใกล้ชิดสามารถนำมาใช้ก่อนเพื่อตรวจสอบองค์ประกอบชั้นสเปกตรัมของภาพและเพื่อดูว่าดีตั้งใจเรียนปกคลุมดินสามารถกำหนดได้จากภาพ หลังจากขั้นตอนแรกนี้ภายใต้การดูแลการจัดหมวดหมู่สามารถนำมาใช้ในการจำแนกภาพลงในประเภทสิ่งปกคลุมดินที่น่าสนใจ

ผลลัพธ์ (ไทย) 3:

การดูแลได้อย่างมีประสิทธิภาพและความถูกต้องในการจำแนกภาพดาวเทียม และสามารถนำไปประยุกต์ใช้ในระดับพิกเซลของแต่ละบุคคลหรือวัตถุรูปภาพ ( กลุ่มติดกัน พิกเซลที่คล้ายกัน ) อย่างไรก็ตาม สำหรับกระบวนการทำงานได้อย่างมีประสิทธิภาพ คนที่ประมวลผลภาพ ต้องมีความรู้ ( ข้อมูลระหว่างข้อมูลภาพถ่ายทางอากาศ หรือความรู้อื่น ๆ ) ที่เรียนที่น่าสนใจ ( เช่น ที่ดิน ครอบคลุมประเภท ) อยู่ หรือสามารถระบุได้โดยตรงจากภาพ วิธีนี้มักใช้กับ unsupervised หมวดหมู่ในกระบวนการที่เรียกว่าการไฮบริด การจำแนก unsupervised สามารถใช้แรกเพื่อตรวจสอบสเปกตรัมชั้นเรียนองค์ประกอบของภาพ และดูว่าเจตนาที่ดินครอบคลุมเรียนสามารถกำหนดได้จากภาพ หลังจากขั้นตอนนี้เริ่มต้นการดูแลสามารถใช้ในการแยกภาพเป็นปกที่ดินประเภทที่น่าสนใจ