add_samples_image_class_gmm — Hinzufügen von Trainingsmustern aus einem Bild zu den Trainingsdaten
eines Gaussian Mixture Models.
add_samples_image_class_gmm(Image, ClassRegions : : GMMHandle, Randomize : )
add_samples_image_class_gmm fügt Trainingsmuster aus dem
Bild Image zu dem durch GMMHandle gegebenen
Gaussian Mixture Model (GMM) hinzu.
add_samples_image_class_gmm wird dazu verwendet, die
Trainingsmuster bereitzustellen, um einen Klassifikator zur
Pixelklassifikation von mehrkanaligen Bildern mit
classify_image_class_gmm zu trainieren. Die Funktionsweise
von add_samples_image_class_gmm ist analog zu
add_sample_class_gmm. Das Bild Image muss so viele
Kanäle besitzen, wie mit NumDim in
create_class_gmm festgelegt worden ist. In
ClassRegions werden die Trainingsgebiete für die
NumClasses Pixelklassen angegeben. ClassRegions
muss also ein Tupel mit NumClasses Regionen beinhalten.
Die Reihenfolge der Regionen in ClassRegions legt die
Klassen der Pixel fest. Falls in Image eine zu
trainierende Klasse nicht vorkommt, muss an der entsprechenden
Stelle des Tupels eine leere Region übergeben werden. Durch diesen
Mechanismus können mehrere Bilder verwendet werden, um mit
mehrmaligem Aufruf von add_samples_image_class_gmm
Trainingsmuster für alle relevanten Pixelklassen bereitzustellen.
Die Regionen in ClassRegions sollten repräsentative
Trainingsmuster für die jeweiligen Klassen enthalten. Sie brauchen
deshalb das Eingabebild nicht zu überdecken. Die Regionen in
ClassRegions sollten sich nicht überlappen, da dies dazu
führen würde, dass in den Trainingsdaten die Merkmalsvektoren in den
Überlappungsbereichen mehreren Klassen zugeordnet wären, was zu
einer schlechteren Klassifikationsleistung führen kann. Ganzzahlige
Bilddaten können ungeeignet für eine Modellierung mit GMMs
sein. Randomize kann verwendet werden, um dieses Problem zu
umgehen. Dies ist im Detail bei add_sample_class_gmm
erklärt.
Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:
Während der Ausführung dieses Operators muss der Zugriff auf den Wert dieses Parameters synchronisiert werden, wenn er über mehrere Threads hinweg verwendet wird.
Image (input_object) (multichannel-)image → object (byte / cyclic / direction / int1 / int2 / uint2 / int4 / real)
Trainingsbild.
ClassRegions (input_object) region-array → object
Regionen der zu trainierenden Klassen.
GMMHandle (input_control, Zustand wird modifiziert) class_gmm → (handle)
Handle des GMM.
Randomize (input_control) real → (real)
Standardabweichung des Gaußschen Rauschens, das zu den Trainingsdaten hinzugefügt wird.
Defaultwert: 0.0
Wertevorschläge: 0.0, 1.5, 2.0
Restriktion: Randomize >= 0.0
Sind die Parameterwerte korrekt, dann liefert
add_samples_image_class_gmm den Wert 2 (H_MSG_TRUE). Gegebenenfalls
wird eine Fehlerbehandlung durchgeführt.
train_class_gmm,
write_samples_class_gmm
classify_image_class_gmm,
add_sample_class_gmm,
clear_samples_class_gmm,
get_sample_num_class_gmm,
get_sample_class_gmm
Foundation