Search research articles

关于 JoVE

概览领导团队博客 JoVE 帮助中心

作者

出版流程编辑委员会范围与政策同行评审常见问题投稿

图书馆员

用户评价订阅访问资源图书馆顾问委员会常见问题

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments 存档

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教师资源中心教师网站

使用条款与条件

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序

Same author

A Fuzzy-Based Model to Detect Hotspots of Air Pollutants During Heatwaves in Urban Settlements.

Sensors (Basel, Switzerland)·2025

Same author

A GIS-based framework to assess heatwave vulnerability and impact scenarios in urban systems.

Scientific reports·2023

Same author

Fuzzy Entropy-Based Spatial Hotspot Reliability.

Entropy (Basel, Switzerland)·2021

Same author

A New Validity Index Based on Fuzzy Energy and Fuzzy Entropy Measures in Fuzzy Clustering Problems.

Entropy (Basel, Switzerland)·2020

Same author

Energy and Entropy Measures of Fuzzy Relations for Data Analysis.

Entropy (Basel, Switzerland)·2020

Search research articles

相关实验视频

Updated: Jul 7, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

一种新的基于模糊的远程传感图像分割方法.

Barbara Cardone¹, Ferdinando Di Martino^1,2, Vittorio Miraglia¹

¹Department of Architecture, University of Naples Federico II, Via Toledo 402, 80134 Naples, Italy.

Sensors (Basel, Switzerland)

|December 23, 2023

概括

此摘要是机器生成的。

本研究介绍了一种快速的,基于模糊的图像细分框架,用于远程传感数据,提高精度和可靠性,同时降低计算复杂性. 基于GIS的平台有效地对多带图像进行细分,用于诸如土地使用分类等应用.

关键词:

FGFCMMFGFCMFGFCMMFGFCMFGFCMMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMFGFCMGFCMF 我们的RSIS是RSIS.在TCR中,可以使用TCR.模糊的聚类模糊的聚类.图像细分图像细分远程传感是一种遥感技术.

更多相关视频

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

Published on: August 13, 2014

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

相关实验视频

Last Updated: Jul 7, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

Published on: August 13, 2014

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

科学领域:

地质科学地质科学
计算机科学计算机科学
遥感遥感遥感遥感

背景情况:

图像细分将图像分成有意义的区域,这对于在土地使用分类等应用中分析远程传感数据至关重要.
现有的使用元启发学的混合细分技术提供了更好的准确性,但遭受了高的计算成本.
解决计算复杂性对于将细分应用到大规模,高分辨率的遥感图像至关重要.

研究的目的:

为远程传感图像提出一种基于模糊的图像细分框架.
为了提高细分精度和可靠性,同时减轻高计算复杂性.
在一个基于GIS的平台中实现框架,用于实际应用和评估.

主要方法:

实现快速通用模糊c-means算法用于像素空间关系检测.
利用三重中心关系有效性指数来确定最佳的集群数量.
开发一个框架来分析来自多带遥感数据的复合指数,并生成具有可靠性评估的专题地图.

主要成果:

拟议的基于模糊的框架实现了高计算速度,使其能够应用于大规模高分辨率遥感图像.
细分结果显示与专家定义的研究区域的形态和城市特征一致.
该方法提供了基于像素成员级别的分类准确性的可靠估计.

结论:

开发的基于模糊的细分框架为处理远程传感图像提供了高效可靠的解决方案.
地理信息系统的整合和计算速度使该方法适合大规模的遥感应用.
这种方法有效地平衡了细分精度,可靠性和计算性能.