Applications of Wavelet Transforms in Image Fusion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Because of the trade off between spatial resolution and spectral resolution in satellite imagery, it is often desirable to fuse lower resolution multispectral imagery with a high-resolution panchromatic image in order to obtain an image with the spectral resolution and quality of the former and the spatial resolution and quality of the latter. In an urban setting, the spectral information can be used to discriminate between the numerous different land cover types, both natural (vegetation) and human generated (roads and buildings), while the spatial information can be used to clearly delineate their boundaries. Standard image fusion methods, such as methods involving IHS or PCA, are often successful at injecting spatial detail; however, they tend to distort the colour information. The potential benefits of wavelet-based image fusion methods have recently been explored in a variety of fields and for a variety of purposes, in particular for fusing panchromatic and multi spectral imagery. In this paper, the results from a number of wavelet-based image fusion schemes are compared in terms of their similarities and differences, and their advantages and limitations. It was found that, while even the simplest wavelet-based fusion scheme tends to produce better results than standard fusion schemes such as IHS and PCA, particularly in terms of minimizing colour distortion, decimated and un decimated algorithms often disturb the linear continuity of spatial features. The results from wavelet-based methods can be improved by applying more sophisticated schemes or more advanced models for injecting detail information; however, these schemes are more computationally complex and often require the user to determine appropriate values for certain parameters, such as thresholds. More comprehensive testing is required in order to fully assess under what conditions each approach is most appropriate.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle