आवश्यक विचार यह है: रंग की जानकारी में कुछ भी गलत नहीं है- यह सिर्फ अपर्याप्त है। तो सबसे अच्छी बात यह है कि कई फीचर सेट को मिलाएं।
इस अस्पष्टता को हल करने के लिए आप कई सुविधाएँ आज़मा सकते हैं। जहाँ तक सुविधा सेट का संबंध है, आप निम्नलिखित का उपयोग कर सकते हैं:
- रंग ( MPEG7 के प्रमुख रंग जैसा कुछ ) या रंग इतिहास
- बनावट (या तो फ़िल्टर बैंक प्रतिक्रिया के रूप में) या
- एज हिस्टोग्राम
प्राथमिक तुलना के रूप में, मैं सबसे पहले शुद्ध ईंट पैच बनाम शुद्ध घास पैच के बीच अंतर करना चाहूंगा। इसके लिए, रंग निश्चित रूप से सबसे संभावित तत्व है।
अधिक मजबूत वर्गीकरण बनाने के लिए सुविधाओं का संयोजन
मैं एक प्रमुख रंग (केवल एक का उपयोग नहीं करता है) या कुंजी रंग का उपयोग करता हूं और क्लस्टर बनाता हूं। देखें कि क्लस्टर प्रमुख कहां झूठ बोलते हैं;
यदि क्लस्टर प्रमुख दोनों अपेक्षित क्षेत्रों में हैं, तो आमतौर पर वर्ग का पता लगाना आसान होता है, यदि वे ग्रे क्षेत्र में आते हैं, तो कक्षा वहां होती है। यदि यह ग्रे क्षेत्र में पड़ता है, तो एक और विशेषता की आवश्यकता होती है।
सैमवे, आप स्वतंत्र रूप से बनावट मैट्रिक्स का उपयोग करके वर्गीकृत कर सकते हैं और फिर दोनों स्कोर को जोड़कर यह सुनिश्चित कर सकते हैं कि परिणाम समझ में आता है।
स्थानिक समस्याओं से निपटना
विशेष रूप से जब आपको पता चलता है कि पैच में इसके कुछ हिस्से हो सकते हैं जो आधी ईंटें और आधी घास हैं। मुझे लगता है कि आपको किसी अतिरिक्त सुविधा या विभिन्न मैट्रिक की आवश्यकता नहीं है। यह दो तरह से संभाला जा सकता है।
1. विभिन्न वर्गों के रूप में कई सदस्यता पैच रखें।
उदाहरण के लिए, अलग से birck-onlyवर्ग और grass-onlyवर्ग, आप भी हो सकता है half-brick-half-grass-verticalऔर half-brick-half-grass-horizontalकुल चार वर्गों के रूप में। यह आसानी से वर्गीकृत किया जा सकता है जिस क्लस्टरिंग विधि का उपयोग हमने पहले चर्चा की थी।
2. मल्टी स्केल वर्गीकरण जोड़ें
उदाहरण के लिए, पैच को एक ग्रे क्षेत्र में दिया गया है, आप पैच को दो भागों में विभाजित कर सकते हैं अर्थात बाएं बनाम दाएं। उसी तरह से आप शीर्ष बनाम नीचे भी विभाजित कर सकते हैं। अब आप इस "आधे भाग" के लिए समान वर्गीकरण लागू कर सकते हैं। आदर्श रूप से उपरोक्त सूचीबद्ध सुविधा आपको पूर्ण भाग के बीच एक विशेषता समानता की तुलना करने के लिए इसे स्केलेबल बनाने की अनुमति देनी चाहिए (उदाहरण के लिए प्रमुख रंग आकार के समान हो सकता है) या यो को इसका आकार बदलना पड़ सकता है।
अधिक कक्षाएं जोड़ना (भाग 1 में) या अधिक स्तर (भाग 2 में) सीधे आगे होगा; ऊपरी सीमा दो कारकों द्वारा आएगी - या तो कोई अतिरिक्त विभाजन अब वर्गीकरण में कोई मूल्य नहीं जोड़ेगा या यह कि अत्यधिक शोर वर्गीकरण में प्रभावी ढंग से अस्पष्टता का परिचय देगा। यह वह जगह है जहां आप रुकते हैं।
