آموزش الگوریتم MTMF در ENVI
یکی دیگر از الگریتم های زیر پیکسلی، بسیار کاربردی در معدن و زمین شناسی الگریتم mtmf می باشد. در این جلسه به بررسی کامل آن می پردازیم.
قیمت: 30000/
30000
تومان
تخفیف روزانه: %0
بعد از پرداخت مشاهده آنلاین فعال خواهد شد
با استفاده از سکه های حساب خود می توانید این آموزش را رایگان دریافت کنید
تعداد سکه های مورد نیاز: 60 سکهتعداد سکه های شما: سکه
برای مشاهده این بخش باید وارد حساب کاربری خود شوید
در صورتی که حساب کاربری ندارید می توانید یک حساب کاربری رایگان بسازید
ورود به حساب کاربری ساخت حساب کاربری:نظرات ارسال شده
الگوریتم MTMF
کاربرد الگوریتم MTMF
به طور خاص، الگوریتم mixture tuned matched filtering ابزار موثر برای شناسایی وجود و فراوانی انواع پوشش های خاص و اعضای نهایی است. بر خلاف سایر اشکال اختلاط طیفی (به عنوان مثال ، تجزیه طیفی چند عضوی انتهایی)، MTMF خود را متمایز می کند و از کاربر می خواهد که فقط طیف (هدف) و نه مشخصه های طیفی های پس زمینه را ارائه دهد. این ویژگی موانع غیرطبیعی طیفی قبلی را دور می زند و اجازه می دهد تا طبقه بندی به راحتی و به سرعت با مناطق جغرافیایی وسیع که دارای طیف های هدف مناسب هستند، تطبیق داده شود. الگوریتم MTMF سه مرحله عمده را دنبال می کند:
(1) کاهش نویز در تصویر ورودی با استفاده از تبدیل حداقل کسر نویز (MNF)
(2) ایجاد یک تصویر MF، نشان دهنده میزان تطابق هر پیکسل با طیف(های) هدف و
(3) ایجاد یک نمره/مقدار تنظیم مخلوط (mixture tuning) برای کاهش احتمال درج پیکسل های مثبت کاذب (یعنی پیکسل های نامناسب به کلاس هدف) در تصویر طبقه بندی شده نهایی.
نمره MF نشان می دهد که یک پیکسل چقدر نزدیک به عضو معرفی شده در مقیاس 0 تا 1 است، جایی که 0 حداقل شباهت است و 1 نشان دهنده یک تطابق قوی است (اگرچه مقادیر بیشتر از 1 را می توان از لحاظ ریاضی محاسبه کرد، بیشتر در تصاویر مشاهده می شود کنتراست طیفی کم دارند). نمره عدم تطابق پذیری (infeasibility ) طبقه بندی MTMF نشان دهنده فاصله هندسی چند بعدی از طیف های پیکسل تا طیف های مورد نظر در فضای بردار تغییر یافته (یعنی فضای MNF) است و از 0 تا حداکثر مقدار نامحدود متغیر است.