文献

J-GLOBAL ID：201702212915501197   整理番号：17A0825659

ハイパースペクトル画像分類のためのスーパーピクセルに基づくマルチタスク学習フレームワーク【Powered by NICT】

Superpixel-Based Multitask Learning Framework for Hyperspectral Image Classification

著者 (5件)： Jia Sen (College of Computer Science and Software Engineering, Computer Vision Research Institute, Shenzhen University, Shenzhen, China) ,  Deng Bin (College of Computer Science and Software Engineering, Computer Vision Research Institute, Shenzhen University, Shenzhen, China) ,  Zhu Jiasong (Shenzhen Key Laboratory of Spatial Information Smarting Sensing and Services, Shenzhen University, Shenzhen, China) ,  Jia Xiuping (School of Engineering and Information Technology, University of New South Wales, Canberra, NSW, Australia) ,  Li Qingquan (Shenzhen Key Laboratory of Spatial Information Smarting Sensing and Services, Shenzhen University, Shenzhen, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 5  ページ： 2575-2588  発行年： 2017年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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のスペクトル次元と同様に実際に十分な標識試料を収集する困難で,時間のかかるプロセスのために,小さなサンプルサイズシナリオは一つの重要な問題とハイパースペクトル画像分類のための挑戦的な課題である。幸いなことに,空間領域における均一性の領域を反映し,材料の構造情報は,スペクトル情報に貴重な補体を提供する。表面材料のいくつかの空間的規則性と局所性を仮定して,スーパーピクセルと呼ばれる,異なる均質部品分類性能を改善するために使用できるに画像を分割することは合理的である。本論文では,ハイパースペクトル画像分類のための提案されているスーパーピクセルベースマルチタスク学習フレームワーク。特に,2次元Gaborフィルタの最初の識別特徴を抽出するためにハイパースペクトル画像に適用した。一方,ハイパースペクトル画像から生成するスーパーピクセル地図。第二に,各抽出したGabor立方体の大きさを効果的に低減するために採用されたスーパーピクセルベース空間-スペクトルSchroedinger固有マップ(S~4E)法。最後に,分類は,サポートベクトルマシン(SVM)に基づくマルチタスク学習フレームワークにより行われる。提案したアプローチは,Gabor S~4EとSVMベースマルチタスク学習(GS~4E MTL_SVM)と呼ばれる。一連の実験を,三つの実際のハイパースペクトル画像データセット上で実施された提案したGS~4E MTL_SVMアプローチの有効性を実証することである。実験結果は,提案したGS~4E MTL_SVMの性能はいくつかの最新方法より優れていることを示すが,計算量は大きく減少し,ピクセルベース空間-スペクトルSchroedinger固有マップ法と比較した。Copyright 2017 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： *画像 ,  スペクトル次元 ,  サポートベクトルマシン ,  補体 ,  二次元 ,  計算量 ,  規則度 ,  局所性 ,  *スペクトル
準シソーラス用語： 六面体 ,  Gaborフィルタ ,  空間領域 ,  *ハイパースペクトル画像 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ハイパースペクトル画像分類 ,  ピクセル ,  マルチタスク学習 ,  フレームワーク