文献

J-GLOBAL ID：201602240212215996   整理番号：16A0604599

形状適応ジョイントスパース表現によるハイパースペクトル画像分類【Powered by NICT】

Hyperspectral Image Classification Via Shape-Adaptive Joint Sparse Representation

著者 (5件)： Wei Fu (Coll. of Electr. & Inf. Eng., Hunan Univ., Changsha, China) ,  Shutao Li (Coll. of Electr. & Inf. Eng., Hunan Univ., Changsha, China) ,  Leyuan Fang (Coll. of Electr. & Inf. Eng., Hunan Univ., Changsha, China) ,  Xudong Kang (Coll. of Electr. & Inf. Eng., Hunan Univ., Changsha, China) ,  Benediktsson Jon Atli (Fac. of Electr. & Comput. Eng, Univ. of Iceland, Reykjavk, Iceland)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 9  号： 2  ページ： 556-567  発行年： 2016年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ハイパースペクトル画像(HSI)分類のために提案した新しい形状適応ジョイントスパース表現分類(SAJSRC)法。提案した方法は,適応的空間情報を探求し,ジョイントスパース表現分類器にそれを組み込んだ。最初に,HSIは主成分分析(PCA)アルゴリズムを用いて変換した。,HSIの大部分の空間的変化を表す第一主成分(PC)は各試験画素のための形状適応型局所平滑領域を構築するための形状適応アルゴリズムに使用されている。他のスパース表現ベース法で用いられる固定サイズの窓と異なり,形状適応領域は適応サイズと形状を有しており,可能な限りHSIの空間構造と一致した。試験画素のラベルは,対応するSA領域内の画素の最初のいくつかのPCへの接合スパース表現分類器を適用することにより決定した。いくつかのHSIで行った実験によれば,提案したSAJSRC法はいくつかの広く用いられるHSI分類手法より性能が優れている。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 主成分分析 ,  立体構造 ,  アルゴリズム ,  *画素
準シソーラス用語： 適応アルゴリズム ,  空間情報 ,  *ハイパースペクトル画像 ,  *スパース表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： スパース表現 ,  分類 ,  ハイパースペクトル画像(HSI) ,  形状適応アルゴリズム

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 適応 ,  ジョイント ,  スパース表現 ,  ハイパースペクトル画像分類