METODY KLASYFIKACJI OBRAZÓW OPRACOWANO NA PODSTAWIE MATERIAŁÓW INTERNETOWYCH

METODY BADAŃ DYNAMICZNYCH HTTPKGLIZARDREPUBLIKAPLSOCJOHTM SPIS TREŚCI RAMOWY
1 KULTIVAČNÍ DIAGNOSTICKÉ METODY KULTIVAČNÍ METODY PATŘÍ K MODERNĚJŠÍM
14) PORADENSKÉ PŘÍSTUPY (KOMUNIKACE DIAGNOSTIKA METODY PRÁCE INDIVIDUÁLNÍ A

2 DIAGNOSTICKÉ METODY A TECHNIKY PEDAGOGICKÁ DIAGNOSTIKA POUŽÍVÁ NEJEN
21 UWAGI METODYCZNE Z UWAGI NA FAKT ŻE DLA
24 ANALOGOVÉ A ČÍSLICOVÉ METODY MĚŘENÍ KMITOČTU A

SUPERVISED CLASSIFICATION, proces, w którego rezultacie każdy fragment obrazu zostaje przyporządkowany odpowiedniej klasie zgo













METODY KLASYFIKACJI OBRAZÓW







































Opracowano na podstawie materiałów internetowych


I Podstawowe pojęcia


SUPERVISED CLASSIFICATION, proces, w którego rezultacie każdy fragment obrazu zostaje przyporządkowany odpowiedniej klasie zgodnie z ustalonymi regułami klasyfikacji; zbiór dopuszczalnych klas jest określany na podstawie tzw. próbek treningowych, stanowiących wyniki niezależnych i wiarygodnych obserwacji.

W klasyfikacji automatycznej z góry zakłada się podział pikseli na określoną liczbę klas

UNSUPERVISED CLASSIFICATION, proces, w którego wyniku każdy fragment obrazu zostaje przyporządkowany odpowiedniej klasie wyłącznie na podstawie statystycznej analizy bez stosowania próbek treningowych.


II Część szczegółowa


W przypadku, kiedy nie posiadamy wiedzy na temat parametrów klasyfikatora, i nie możemy nadzorować klasyfikacji poprzez posiadane zestawy treningowe, mówimy o klasyfikacji nienadzorowanej. W przeciwnym przypadku klasyfikacja zaliczana jest do grupy klasyfikacji nadzorowanych.


Klasyfikacja nienadzorowana odbywa się poprzez analizę własności statystycznych danych, i nazywana jest często wydzielaniem klastrów lub segmentacją. Wynik segmentacji nie określa etykiet klas (segmentów). Etykiety te muszą być wtórnie nadane przez użytkownika.


Najprostszą segmentacją jest binaryzacja, czyli progowanie z zastosowaniem pojedynczego progu (klasyfikacja na dwie klasy).


Teoria rozpoznawania obrazów zajmuje się metodami klasyfikacji obiektów rozumianych w bardzo ogólnym sensie, np. przedmioty, sytuacje, zjawiska, w szczególności dźwięki (np. rozpoznawanie mowy) i obrazy optyczne (np. rozpoznawanie pisma) itd. Przez klasyfikację rozumiemy przyporządkowanie obiektowi numeru grupy zwanej klasą. Istnieją dwa podstawowe rodzaje klasyfikacji: nadzorowana i nienadzorowana.


W klasyfikacji nienadzorowanej zakłada się znajomość tzw. zbioru uczącego obiektów. Jest to skończony zbiór obiektów już poklasyfikowanych. Zbiór uczący definiuje klasy obiektów poprzez prezentację przykładów obiektów z jednoczesnym ukazaniem klas do których należą. Im jest on liczniejszy, tym dokładniejsze określenie klas. Na podstawie informacji zawartej w zbiorze uczącym należy skonstruować regułę decyzyjną, która pozwoli klasyfikować nowe obiekty, czyli obiekty nie należące do zbioru uczącego.


Zbiór operacji obliczeniowych prowadzących do skonstruowania reguły decyzyjnej (czyli klasyfikatora) nazywa się uczeniem.

Aby rozpoznawanie mogło być realizowane przez komputer, musimy założyć, że obiekty opisywane są zestawem parametrów. Ich wartości mogą być liczbami rzeczywistymi, w szczególności całkowitymi czy też binarnymi. Parametry te nazywać będziemy cechami. Możemy przyjąć, że każdy obiekt reprezentowany jest n-wymiarowym wektorem (lub punktem) w przestrzeni wektorowej, nazywanej przestrzenią cech.


Odtąd, zamiast o obiektach możemy mówić o punktach czy też wektorach w przestrzeni cech, które są "obrazami" klasyfikowanych obiektów w przestrzeni cech. Stąd klasyfikację obiektów możemy identyfikować z rozpoznawaniem (klasyfikacją) obrazów, co wyjaśnia nazwę dziedziny. Dokładniej rzecz biorąc, istnieje jednak pewna różnica między rozpoznawaniem a klasyfikacją. Klasyfikacja stanowi ostatni etap rozpoznawania. W sam proces rozpoznawania wchodzi jeszcze poprzedzający klasyfikację etap pomiaru czyli wydzielenia (ekstrakcji) cech. Liczebności poszczególnych klas w zbiorze uczącym powinny być w takich proporcjach, w jakich klasy te będą występować w trakcie klasyfikacji.


Istnieje też inny rodzaj klasyfikacji, tj. klasyfikacja nienadzorowana, zwana klasteryzacją, polegający na podziale zbioru obiektów na klasy obiektów “podobnych”. W metodach dotyczących tej klasyfikacji należy zwykle zadać liczbę środków klas (klastrów) i niekiedy również zdefiniować miarę ich podobieństwa. Zespół obliczeń, które składają się wydzielenie pożądanej liczby klastrów, nazywamy samouczeniem. ( na podstawie http://www.kis.p.lodz.pl/~sgrabow/RO/)



Klasyfikatory Bayesa (np. MAP)

Klasyfikatory minimalnoodległościowe (np. Mahalanobisa, kNN, i inne)

Klasyfikatory z wykorzystaniem sieci neuronowych

Klasyfikatory z algorytmami genetycznymi



Klasyfikacja obrazów


W procesie klasyfikacji obrazów tworzona zostaje mapa ze zbioru kanałów wejściowych. Mapy wejściowe pochodzą zwykle z danych lotniczych oraz satelitarnych. Dane multispektralne można uważać za zbiór map rastrowych z identycznym odniesieniem przestrzennym. Podczas procedury klasyfikacji obrazów spektralna odpowiedź obiektów zostaje przeanalizowana i przypisana poszczególnym klasom. Mapa wynikowa zawiera zbiór klas, które przykładowo mogą zawierać i reprezentować rodzaje terenu oraz sposoby jego wykorzystania.



24 UWAGI METODYCZNE Z UWAGI NA FAKT ŻE DLA
28 METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW CZ1
3 DIDAKTICKÉ METODY TAK JAKO SE LIŠÍ RŮZNÉ DIDAKTICKÉ


Tags: internetowych ================================================, metody, materiałów, opracowano, obrazów, internetowych, klasyfikacji, podstawie