Temel fikir şudur: Renk bilgisinde yanlış bir şey yoktur - sadece yetersizdir. En iyi şey, çoklu özellik kümelerini birleştirmektir.
Bu belirsizliği çözmek için birden fazla özellik deneyebilirsiniz. Özellik kümesi söz konusu olduğunda aşağıdakileri kullanabilirsiniz:
- Renk ( MPEG7'nin baskın rengi gibi bir şey ) VEYA Renk Historgram
- Doku (filtre bankası yanıtı biçiminde) VEYA
- Kenar histogramları
Birincil karşılaştırma olarak, ilk olarak saf tuğla yaması ile saf çim yaması arasında ayrım yapmak istiyorum. Bunun için renk kesinlikle en potansiyel unsurdur.
Daha sağlam sınıflandırma yapmak için özellikleri birleştirme
Baskın bir renk (sadece birini değil ama kullanır) veya anahtar rengi ve kümeleri oluştururdum. Küme kafalarının nerede olduğunu görün;
Küme kafalarının her ikisi de beklenen alanlarda bulunuyorsa, sınıfın algılanması genellikle kolaydır, eğer bunlar gri alana düşerse, sınıf oraya aittir. Gri alana düşerse, başka bir özellik gereklidir.
Sameway, Doku matrisini kullanarak bağımsız olarak sınıflandırabilir ve sonuçların anlamlı olmasını sağlamak için her iki skoru birleştirebilirsiniz.
Mekansal problemlerle başa çıkmak
Özellikle, yamaların yarım tuğla ve yarım çim olan kısımlarına sahip olabileceğini fark ettiğinizde. Daha fazla özelliğe veya farklı bir matrikse ihtiyacınız olmadığını düşünüyorum. Bu iki şekilde ele alınabilir.
1. Farklı sınıflar olarak çoklu üyelik yama tutun.
Örneğin, dışında birck-onlysınıf ve grass-onlysınıfın, ayrıca olabilir half-brick-half-grass-verticalve half-brick-half-grass-horizontaltoplam dört sınıfları olarak. Bu, daha önce tartıştığımız kümeleme yöntemi kullanılarak kolayca sınıflandırılabilir.
2. Çok ölçekli sınıflandırma ekleyin
Örneğin, yamanın gri bir alanda olduğu göz önüne alındığında, yamayı iki parçaya bölebilirsiniz, yani sola veya sağa. Aynı şekilde yukarıdan aşağıya da bölebilirsiniz. Şimdi bu "yarım kısım" için özdeş sınıflandırma uygulayabilirsiniz. İdeal olarak, yukarıda listelenen özellik, tam parça arasındaki bir özellik benzerliğini karşılaştırmak için ölçeklenebilir yapmanıza izin vermelidir (örneğin, baskın renk boyutu ne olursa olsun aynı olabilir) veya yeniden boyutlandırmanız gerekebilir.
Daha fazla sınıf (bölüm 1'de olduğu gibi) veya daha fazla seviye (bölüm 2'de olduğu gibi) eklemek basit olacaktır; üst sınır iki faktörden oluşacaktır - herhangi bir ek bölüm artık sınıflandırmaya herhangi bir değer katmayacak veya aşırı gürültü sınıflandırmada belirsizliği etkili bir şekilde artıracaktır. Durduğunuz yer burası.
