NED365180NED

24 Выделенные сигнатуры могут быть параметрическими и непараметрическими. Сигнатуры, выбираемые из пространства признака, являются непараметрическими и требуют расчета статистики (Feature statistics), после чего они становятся параметрическими. Параметрические сигнатуры основываются на статистических параметрах выборки-эталона (например, среднем значении или матрице сходимости - covariance matrix). Набор параметрических сигнатур можно использовать для классификации одним из статистических алгоритмов, например максимального подобия (maximum likelihood). Непараметрические сигнатуры основываются не на статистических параметрах, а на дискретных объектах, полигонах, прямоугольниках в пространстве признака (Feature space). Эти объекты используются для определения границ классов. Непараметрический алгоритм классификации использует набор таких сигнатур для того чтобы назначить пикселю класс основываясь на положении значения этого пикселя внутри или снаружи одного из непараметрических классов в пространстве признака. Непараметрические сигнатуры могут создаваться в процессе управляемой классификации пикселей. При выполнении процедуры классификации могут использоваться параметрические и непараметрические типы сигнатур. Оценка эталонов (evaluation). Существует несколько способов оценки эталонов, которые применимы только к одному из их типов (параметрический или непараметрический):  Предварительная оценка (Alarm) - выделение пикселей, которые возможно будут отнесены к определенному классу сигнатур. Оценка принадлежности пикселя к какому-либо классу определяется правилом параллелепипеда (Parallelepiped decision rule).  Произвольные матрицы (Contingency Matrix) - метод проверки сигнатур созданных из AOI на основе изображения. Этот метод проверяет только