Разделяющие функции для многомерного распределения
Т.к. практически распределение плотности вероятности векторов 
отличается от нормального распределения, в то время как фактически вычисляются параметры нормального распределения, то появляются ошибки определения параметров. Для уменьшения этих ошибок разработаны различные распределяющие функции. Например, в качестве разделяющей функции можно использовать расстояние Махаланобиса:
,где 
– вектор признаков – значение интервалов яркостей для объекта класса,
– среднее значение яркости k -го класса,
– обратная ковариационная матрица.
Также применяют метод параллелепипедов. В процессе классификации способом параллелепипедов:
1. предварительно создают эталонные участки;
2. значения яркости пикселов рассматривается как вектор fij в пространстве спектральных признаков, i и j – это значения яркости пиксела в разных спектральных каналах;
3. высчитывается спектральное расстояние между эталонными векторами и векторами значений яркости всех пикселов снимка, расстояние между двумя векторами (r) рассчитывается по формуле:
,
где к – номер спектрально канала;
Расстояние r рассчитывается совокупно по всем спектральным каналам.
Если обрисовать полученные области классов на плоскости (двумерное пространство признаков) полученная фигура будет прямоугольником, в 3х-мерном пространстве – параллелепипедом.
На практике при распознавании объектов необходимо иметь хорошие тестовые участки, для которых достоверно определено, к какому классу объектов они относятся. Далее нужно разбить все тестовые объекты на 2 группы, в которые входят все типы объектов. Первая группа объектов используется для обучения, вторая – для контроля.
|
|
|
Далее выполняется обучение по объектам первой группы и выполняется распознавание объектов с использованием разделяющих функций. Затем осуществляется контроль распознавания по объектам второй группы.
Обучение классификатора выполняется на основе измерения вектора признаков по выбранному тестовому участку. Тестовый участок может быть получен на основе полевого дешифрирования, с использованием материалов аэрофотосъемки или карт.
В результате измерения векторов признаков строится гистограмма для каждого объекта, размерность гистограммы будет соответствовать вектору признаков.
Дата добавления: 2015-12-18; просмотров: 111; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!