V. CONCLUSIONSRemote sensing image

V. CONCLUSIONS
Remote sensing image classification is an important part of the field of image processing, and the volcanic ash cloud classification is also an important application in the remote sensing image classification. FCM algorithm is an unsupervised clustering method that can achieve the automatic classification of different types of earth surface information for remote sensing images without any prior knowledge. At the same time, it is also sensitive to the cluster generic and cluster center, thus it not only fails to consider the role of neighborhood pixels in remote sensing, but also belongs to binary-class algorithm where the pixels are forced divided into one or the other. Aiming at solving the uncertainty of traditional fuzzy clustering method and characteristics of remote sensing images, a new fuzzy clustering remote sensing classification method with neighborhood distance constraint for volcanic ash cloud was proposed in this study. Compared to the traditional classification methods (i.e. SWTD and RGB PC) and other literatures (i.e. [19], [20]), the proposed method has a good image quality and high classification accuracy of volcanic ash cloud.
An important merit of this work is that it has provided a new fuzzy clustering method for volcanic ash cloud from remote sensing images via introducing the neighborhood pixels. It has compensated for the disadvantage of single methods of FCM. In this experiment, the Sangeang Api volcanic ash cloud case on 30 May 2014 was explored and discussed by proposed method. In the method, the suitable MODIS bands 30, 31 and 36 were first selected by PCA method; next, different clustering center generics of spectral feature points were determined by the proposed method in feature space and the volcanic ash cloud classification was further got in the two-dimensional spectral feature space; finally the Sangeang Api volcanic ash cloud case on 30 May 2014 was explored and discussed. Our experiments demonstrate that the proposed method can effectively classify the volcanic ash cloud from remote sensing images, and the overall classification accuracy and Kappa coefficient can reach 88.4% and 0.8064, respectively; it overcomes the deficiency of traditional volcanic ash cloud remote sensing classification to some extent and has good application prospect in volcano monitoring and aviation safety.
As an important detection method, the fuzzy clustering classification of volcanic ash cloud from remote sensing images remains to be bottleneck-restriction actual application of remote sensing technique. This work has presented a new fuzzy clustering method with neighborhood distance constraint, and enhanced the classification accuracy. However, this work mainly focuses on the remote sensing classification method of volcanic ash cloud and application test. There are obvious problems in the study, i.e., small sample, further refined of volcanic ash cloud and the result may not be accurate, and it still should be investigated and improved in the future study.

ผลลัพธ์ (ไทย) 1:

V. ข้อสรุปการจัดประเภทภาพ sensing ระยะไกลเป็นส่วนสำคัญของฟิลด์ในการประมวลผลภาพ และเถ้าภูเขาไฟการแบ่งประเภทยัง โปรแกรมประยุกต์ที่สำคัญในการจำแนกภาพ sensing ระยะไกล FCM อัลกอริทึมเป็นวิธีการ clustering ขั่วที่สามารถบรรลุการจัดประเภทอัตโนมัติของประเภทของข้อมูลพื้นผิวโลกระยะไกลตรวจจับภาพโดยไม่มีความรู้เดิม เวลาเดียวกัน เป็นการทั่วไปของคลัสเตอร์และคลัสเตอร์เซ็นเตอร์ ดังนั้นมันไม่เพียงแต่การพิจารณาบทบาทของย่านพิกเซลในการตรวจจับระยะไกล แต่ยัง เป็นสมาชิกชั้นไบนารีอัลกอริทึมที่พิกเซลถูกบังคับแบ่งเป็นหนึ่งหรืออื่น ๆ เล็งไปที่การแก้ปัญหาความไม่แน่นอนของวิธีระบบคลัสเตอร์แบบดั้งเดิมเลือนและลักษณะของภาพที่ตรวจจับระยะไกล การใหม่เลือนคลัสเตอร์ระยะไกลตรวจจับวิธีการจัดประเภท มีข้อจำกัดระยะทางย่านสำหรับเมฆเถ้าภูเขาไฟถูกเสนอในการศึกษานี้ เมื่อเทียบกับวิธีการจัดประเภทแบบดั้งเดิม (เช่น SWTD และ RGB PC) และเอกสารอื่น ๆ (เช่น [19], [20]), วิธีการนำเสนอมีคุณภาพดีและความแม่นยำสูงการจัดประเภทของเมฆเถ้าภูเขาไฟบุญสำคัญของงานนี้คือ ว่า มันมีวิธีระบบคลัสเตอร์ใหม่เลือนสำหรับเมฆเถ้าภูเขาไฟจากระยะไกลตรวจจับภาพผ่านแนะนำย่านพิกเซล มันมีชดเชยข้อเสียของวิธีการเดียวของ FCM ในการทดลองนี้ กรณีเมฆเถ้าภูเขาไฟ Sangeang Api เมื่อ 30 2557 พฤษภาคมอุดม และกล่าวถึง โดยเสนอวิธี ในวิธี วงดนตรี MODIS เหมาะ 30, 31 และ 36 ก่อนคัดเลือก โดยวิธี PCA ถัดไป แตกต่างกันระบบคลัสเตอร์ศูนย์ข้อมูลทั่วไปของสเปกตรัมคุณลักษณะจุดดำเนินการ โดยวิธีการนำเสนอในลักษณะพื้นที่ และการจำแนกเมฆเถ้าภูเขาไฟถูกเพิ่มเติมในพื้นที่ลักษณะสเปกตรัมสองมิติ สุดท้าย กรณีเมฆเถ้าภูเขาไฟ Sangeang Api เมื่อ 30 2557 พฤษภาคมถูกสำรวจ และกล่าวถึง การทดลองของเราแสดงให้เห็นว่า วิธีการนำเสนอได้อย่างมีประสิทธิภาพสามารถจัดประเภทเมฆเถ้าภูเขาไฟจากระยะไกลตรวจจับภาพ และความถูกต้องของการจัดอันดับรวมและสัมประสิทธิ์ Kappa สามารถเข้าถึง 0.8064 และ 88.4% ตามลำดับ มันพิชิตขาดของเมฆเถ้าภูเขาไฟแบบดั้งเดิมการจัดประเภทที่มีขอบเขตการตรวจจับระยะไกล และมีโอกาสสมัครในภูเขาไฟความปลอดภัยการตรวจสอบและการบินเป็นวิธีการตรวจที่สำคัญ การจัดประเภทระบบคลัสเตอร์ปุยเมฆเถ้าภูเขาไฟจากระยะไกลตรวจจับภาพยังคงเป็น เทคนิค sensing ระยะไกลประยุกต์จริงขวดจำกัด งานนี้มีแสดงวิธีการ clustering เลือนใหม่ย่านระยะทางจำกัด และเพิ่มความแม่นยำการจำแนก อย่างไรก็ตาม งานนี้ส่วนใหญ่เน้นวิธีการจัดประเภทตรวจจับระยะไกลของการทดสอบระบบคลาวด์และการประยุกต์ใช้เถ้าภูเขาไฟ มีปัญหาที่ชัดเจนในการศึกษา เช่น อย่าง การ กลั่นเมฆเถ้าภูเขาไฟและผลอาจไม่ถูกต้อง และมันยังควรจะตรวจสอบ และปรับปรุงในการศึกษาในอนาคต

ผลลัพธ์ (ไทย) 2:

โวลต์โดยสรุป
การจัดหมวดหมู่ภาพระยะไกลเป็นส่วนหนึ่งที่สำคัญของเขตของการประมวลผลภาพและการจัดหมวดหมู่เมฆเถ้าภูเขาไฟยังเป็นโปรแกรมที่มีความสำคัญในการจัดหมวดหมู่ภาพระยะไกล อัลกอริทึม FCM เป็นวิธีการจัดกลุ่มใกล้ชิดที่สามารถบรรลุการจัดหมวดหมู่โดยอัตโนมัติของประเภทที่แตกต่างกันของข้อมูลที่พื้นผิวของโลกสำหรับภาพระยะไกลโดยไม่มีความรู้ใด ๆ ก่อน ในขณะเดียวกันก็ยังมีความไวต่อกลุ่มทั่วไปและคลัสเตอร์ศูนย์จึงไม่เพียง แต่ล้มเหลวที่จะต้องพิจารณาบทบาทของพิกเซลในย่านการสำรวจระยะไกล แต่ยังอยู่ในขั้นตอนวิธีการไบนารีระดับที่พิกเซลถูกบังคับแบ่งออกเป็นหนึ่งหรือ อื่น ๆ. เล็งไปที่การแก้ปัญหาความไม่แน่นอนของวิธีการจัดกลุ่มแบบดั้งเดิมเลือนและลักษณะของภาพระยะไกล, จัดกลุ่มใหม่เลือนระยะไกลวิธีการจัดหมวดหมู่การตรวจจับที่มีข้อ จำกัด ระยะทางย่านเมฆเถ้าภูเขาไฟถูกเสนอในการศึกษานี้ เมื่อเทียบกับวิธีการแบบดั้งเดิมจำแนกประเภท (เช่น SWTD และ RGB PC) และวรรณกรรมอื่น ๆ (เช่น [19] [20]) วิธีที่นำเสนอมีคุณภาพของภาพที่ดีและความถูกต้องจำแนกสูงของเมฆเถ้าภูเขาไฟ.
บุญสำคัญของงานนี้ คือว่ามันได้จัดให้มีวิธีการจัดกลุ่มใหม่เลือนเมฆเถ้าภูเขาไฟจากภาพระยะไกลผ่านการแนะนำพิกเซลพื้นที่ใกล้เคียง จะได้รับการชดเชยสำหรับข้อเสียของวิธีการเดียวของ FCM ในการทดลองนี้กรณีเมฆเถ้าภูเขาไฟ Sangeang Api บน 30 พฤษภาคม 2014 มีการสำรวจและพูดคุยกันโดยวิธีที่นำเสนอ ในวิธีการที่วงดนตรีที่เหมาะ MODIS 30, 31 และ 36 ได้รับการคัดเลือกเป็นครั้งแรกโดยวิธี PCA; ถัดไป generics ศูนย์การจัดกลุ่มที่แตกต่างกันของจุดคุณลักษณะสเปกตรัมได้รับการพิจารณาโดยวิธีเสนอในพื้นที่บาร์และการจัดหมวดหมู่เมฆเถ้าภูเขาไฟการต่อได้ในพื้นที่คุณลักษณะสองมิติเชิงสเปกตรัม ในที่สุดกรณีเมฆเถ้าภูเขาไฟ Sangeang Api บน 30 พฤษภาคม 2014 มีการสำรวจและพูดคุยกัน การทดลองของเราแสดงให้เห็นว่าวิธีที่นำเสนอได้อย่างมีประสิทธิภาพสามารถแบ่งเมฆเถ้าภูเขาไฟจากภาพการสำรวจระยะไกลและความถูกต้องของการจัดหมวดหมู่โดยรวมและแคปป้าค่าสัมประสิทธิ์สามารถเข้าถึง 88.4% และ 0.8064 ตามลำดับ; มันครอบงำขาดดั้งเดิมเถ้าภูเขาไฟเมฆจำแนกการสำรวจระยะไกลที่มีขอบเขตและมีโอกาสที่ดีในการประยุกต์ใช้ในการตรวจสอบภูเขาไฟและความปลอดภัยการบิน.
ในฐานะที่เป็นวิธีการตรวจสอบที่สำคัญการจัดหมวดหมู่การจัดกลุ่มเลือนเมฆเถ้าภูเขาไฟจากภาพระยะไกลยังคงเป็น bottleneck- ข้อ จำกัด การใช้งานจริงของเทคนิคการสำรวจระยะไกล งานนี้ได้นำเสนอวิธีการจัดกลุ่มใหม่เลือนกับข้อ จำกัด ระยะทางเขตและเพิ่มความแม่นยำในการจัดหมวดหมู่ แต่งานนี้ส่วนใหญ่มุ่งเน้นไปที่วิธีการจัดหมวดหมู่การสำรวจระยะไกลของเมฆเถ้าภูเขาไฟและทดสอบโปรแกรม มีปัญหาที่ชัดเจนในการศึกษาที่มีคือตัวอย่างเล็ก ๆ จากการกลั่นต่อไปของเมฆเถ้าภูเขาไฟและผลที่ได้อาจจะไม่ถูกต้องและก็ยังควรจะตรวจสอบและปรับปรุงให้ดีขึ้นในการศึกษาในอนาคต

ผลลัพธ์ (ไทย) 3:

V สรุปภาพระยะไกล การเป็นส่วนหนึ่งของเขตของการประมวลผลภาพและเถ้าภูเขาไฟเมฆหมวดหมู่เป็นโปรแกรมสำคัญในการรับรู้จากระยะไกลหมวดหมู่ภาพ ขั้นตอนวิธีการจัดกลุ่ม unsupervised FCM เป็นวิธีที่สามารถบรรลุการจัดหมวดหมู่อัตโนมัติของชนิดที่แตกต่างกันของพื้นผิวโลก ข้อมูลระยะไกลภาพโดยไม่มีความรู้ใด ๆ ใน เวลาเดียวกัน มันยังไวไป กลุ่มทั่วไป และกลุ่มศูนย์ ดังนั้นจึงไม่เพียง แต่ล้มเหลวในการพิจารณาบทบาทของละแวกพิกเซลในการรับรู้จากระยะไกล แต่ก็อยู่ในระดับไบนารีอัลกอริทึมที่พิกเซลถูกแบ่งออกเป็นอย่างใดอย่างหนึ่งหรืออื่น ๆ มุ่งที่การแก้ไขความไม่แน่นอนของวิธีการและลักษณะของการจัดกลุ่มแบบฟัซซี่ พร้อมภาพข้อมูลใหม่ ข้อมูลระยะไกลการจำแนกวิธีฟัซซี่กับหมู่บ้านระยะทางข้อจำกัดสำหรับเมฆเถ้าภูเขาไฟที่เสนอในงานวิจัยนี้ด้วย เมื่อเทียบกับวิธีการแบบดั้งเดิม ( เช่นการ swtd และ RGB PC ) และเอกสารอื่น ๆ ( เช่น [ 19 ] , [ 20 ] ) วิธีที่เสนอมีคุณภาพของภาพที่ดีและความถูกต้องของการจำแนกสูงเมฆเถ้าภูเขาไฟเป็นบุญที่สำคัญของงานนี้คือ ว่า มันมีให้โหลดข้อมูลใหม่วิธีการเมฆเถ้าภูเขาไฟจากระยะไกลภาพผ่านแนะนำเพื่อนบ้านพิกเซล มีการชดเชยสำหรับข้อเสียของวิธีเดียวของ FCM ในการทดลองนี้ sangeang API เถ้าภูเขาไฟเมฆกรณีเมื่อวันที่ 30 พฤษภาคม 2014 ได้สำรวจและกล่าวถึงโดยวิธีการที่ได้นำเสนอ ในวิธีเหมาะสมโมดิสวง 30 , 31 และ 36 ถูกเลือกก่อน โดยวิธี PCA ; ถัดไปที่แตกต่างกันสำหรับข้อมูลทั่วไปของศูนย์คะแนนคุณลักษณะสเปกตรัมถูกกำหนดโดยวิธีที่เสนอในลักษณะพื้นที่และเถ้าภูเขาไฟเมฆหมวดหมู่เพิ่มเติมได้ในระนาบสองมิติคุณลักษณะสเปกตรัม ; ในที่สุด sangeang API เถ้าภูเขาไฟเมฆกรณี 30 พฤษภาคม 2014 ได้สำรวจ และกล่าวถึง การทดลองของเราแสดงให้เห็นถึงวิธีที่เสนอมีประสิทธิภาพสามารถจำแนกประเภทของเมฆเถ้าภูเขาไฟจากระยะไกลภาพ sensing และความแม่นยำในการจำแนกโดยรวมและสัมประสิทธิ์ Kappa สามารถเข้าถึงร้อยละ 0.8064 ตามลำดับ ; มัน overcomes บกพร่องของแบบดั้งเดิมเมฆเถ้าภูเขาไฟระยะไกลการจำแนกที่มีขอบเขตและมีการตรวจสอบใบสมัครที่ดีในภูเขาไฟและความปลอดภัยการบินเป็นวิธีการตรวจสอบที่สำคัญ , Fuzzy การจัดกลุ่มการจำแนกประเภทเมฆเถ้าภูเขาไฟจากระยะไกลภาพยังคงเป็นคอขวดจำกัดการประยุกต์เทคนิคข้อมูลระยะไกล งานนี้ได้นำเสนอวิธีการใหม่ๆข้อมูลกับชุมชน ระยะทาง ข้อจำกัด และเพิ่มความแม่นยำในการจำแนก . อย่างไรก็ตาม งานนี้ส่วนใหญ่เน้นระยะไกลการจำแนกวิธีการเมฆเถ้าภูเขาไฟและทดสอบโปรแกรม มีปัญหาที่ชัดเจนในการศึกษา เช่น ตัวอย่างเล็ก เพิ่มเติม กลั่นเมฆเถ้าภูเขาไฟและผลอาจไม่ถูกต้อง และควรได้รับการตรวจสอบและปรับปรุงในการศึกษาในอนาคต