The Directional Neighborhoods Approach to Contextual Classification of Images from Noisy Data
基于方向邻域的含噪图像上下文分类AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究遥感图像分类与重建，未提供归入所列经济计量方向的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于方向邻域的含噪图像上下文分类
- 研究问题
- 如何根据含噪遥感观测为像素选择较同质的邻域，以改善利用邻域信息的像素分类和图像重建效果？
- 方法与思路
- 作者提出结合贝叶斯与数据分析的方向邻域方法，先进行无邻域预分类，再按同质性准则选取通常不对称的邻域并最终分类。
- 材料陈述的贡献
- 摘要称论文建立邻域同质性准则，并在含两个类别的图像模拟中，相较一个贝叶斯上下文分类参考方法获得明显改善。
- 阅读关注点
- 应核对邻域同质性定义、预分类误差如何传递，以及噪声模型、图像结构、比较指标和计算成本对模拟结论的影响。
- 阅读边界
- 仅据版本未注明的索引摘要；改善结论来自所述两类别图像模拟，真实遥感数据表现及更广泛适用性未说明。
原文摘要
The directional neighborhoods approach (DNA) to classifying pixels and reconstructing images from remotely sensed noisy data is a newly proposed computer-intensive procedure that is partly Bayesian and partly data analytic. It uses the observational data to select an optimal, generally asymmetric, but relatively homogeneous neighborhood for contextually classifying pixels. A criterion for “homogeneity of neighborhood” is developed. DNA involves two stages: a zero-neighbor preclassification stage, followed by selection of the most homogeneous neighborhood, and then a final classification. We provide Monte Carlo simulations for a two-population image and compare DNA results with those from a reference Bayesian contextual classification. We show that DNA improves substantially on the reference classification procedure.