La diferencia entre el flujo de trabajo de clasificación y la extracción de características en envi

La clasificación supervisada, también conocida como método de campo de entrenamiento, es una tecnología basada en el establecimiento de una función de identificación estadística y un método de entrenamiento de muestra típico. Es decir, un método de reconocimiento de patrones que selecciona parámetros de características en función de las muestras proporcionadas por el área de entrenamiento conocida, descubre los parámetros de características como reglas de decisión y establece una función discriminante para clasificar las imágenes a clasificar. Se requiere que el área de formación sea típica y representativa. Si el criterio cumple con los requisitos de precisión de la clasificación, se establece el criterio; por el contrario, las reglas de decisión para la clasificación deben restablecerse hasta que se cumplan los requisitos de precisión de la clasificación. Los algoritmos comúnmente utilizados incluyen análisis discriminante, análisis de máxima verosimilitud, análisis de características, análisis de secuencia y reconocimiento de patrones.

La clasificación no supervisada es una clasificación de imágenes sin criterios de clasificación a priori (conocidos) basados ​​en las diferencias en las características de clasificación de diferentes objetos de imagen en el espacio de características. Es un método de análisis estadístico de agrupamiento de imágenes basado en la teoría de agrupamiento. En base a las propiedades estadísticas de los parámetros característicos de las muestras a clasificar, se establecen reglas de decisión para la clasificación. sin conocer de antemano las características de la categoría. La distribución espacial de cada muestra se divide o fusiona en un grupo en función de su similitud, y la clasificación de las características representadas por cada grupo solo se puede determinar mediante estudios de campo o comparación con tipos de características conocidos. Este es un método de reconocimiento de patrones. Los algoritmos generales incluyen: análisis de regresión, análisis de tendencias, método de distancia de mezcla igual, análisis de conglomerados, análisis de componentes principales y reconocimiento de patrones. </ol>；