Images; Data storage; Feature extraction; Information retrieval; Algorithms; Spatial resolution; Foreign technology; Quad trees; Color images; Spatial based searches; Images Spotter navigator; Index structure;
机译:从SPOT图像中绘制森林斑块和零散的树木,并测试它们在破碎的农业景观中对林地鸟类的生态重要性
机译:使用回归模型和Spot-6图像估算和绘制森林生物量(案例研究:伊朗北部的Hycanian森林)
机译:想念树木的森林吗?在REDD下导航缓解与适应之间的权衡
机译:基于现货图像的Gunung Bador Reserve林的森林树分析
机译:基于综合树冠图像模型的森林航空影像中单个树木的自动识别
机译:通过直接正交和随机林树对正常局部和局部脑电图进行分类
机译:图6:(A)树导致的标准MP分析的98-基因座的类人猿(人科,灵长类动物,哺乳动物),使用莱赫托宁等人的修改的摘要构成的超级矩阵。 (2011)(参见细节“材料和方法”)以及相对植根狒狒后验概率(长度= 12092,CI = 0.7877,RI = 0.5597); 34022个字符是恒定的,并且简约信息的字符数等于4311。下面提供分支MP BS值。与外类群(狒狒)的非模糊值的唯一的字符已被保存的级联对准内; (B)的得分0.00084的平均一致树导致从巨猿(原始人类,灵长类动物,哺乳动物)的98座超级矩阵的二进制表示获得的5507棵的Hennigian森林的分析(见“材料和方法”为细节);狒狒被认为是最好的全祖征群。 “其他...” FORESTER的输出树文件(请参阅详细信息“材料和方法”),用于进一步的分析; (C)的分数0.00090的平均一致树导致从98个位点的类人猿(人科,灵长类动物,哺乳动物)的超级矩阵(见6.I的改性二进制表示导出的5339种树木的Hennigian森林的分析以及“材料和方法”的详细说明),但所有168棵,其中包含的分支(智人加PAN)已经从输入林中删除。 “其他...” FORESTER的输出树文件(参见“材料和方法”),用于进一步的分析。
机译:高分辨率卫星影像的森林分类。利用斑点图像改善空间信息的多光谱分类研究