文献

J-GLOBAL ID：201702243425684617   整理番号：17A0368739

改良された重み付きMRF(Markov確率場)Bayesに基づくマルチスペクトル画像の分類【Powered by NICT】

Multispectral image classification based on improved weighted MRF Bayesian

著者 (5件)： Cui Zhaobin (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Wang Ying (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Gao Xinbo (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Li Jie (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Zheng Yu (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 212  ページ： 75-87  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,マルチスペクトル画像のための新しいノンパラメトリック教師つきスペクトル-空間分類法を提案した。マルチスペクトル画像では,未知の画素は,訓練クラスの画素と同様のデジタル数(DN)ベクターを示すならば,異なるクラスのある種の統計的分布に従うのDNベクトルを仮定した場合,より高い事後確率を得る助けとなるであろう。DNベクトルについての統計的特性によれば,提案した方法は,各クラスのGauss混合分布に従うベクトル仮定している。特に,Bayes適応ノンパラメトリック法は分布モデルにおける最適設定を正しく評価するために開発した。,マルチスペクトル画像により提供される空間文脈情報を捕捉するために異方性階層的ロジスティック空間事前分布を構築した。最後に,最適化されたシミュレーテッドアニーリングアルゴリズムを帰納的に最大を評価するために行った。提案されたアプローチは,マルチスペクトル画像の最先端分類法と比較した。比較結果は,提案した方法は全体精度とκ係数より優れていることを示唆した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 画素 ,  ベクトル ,  ノンパラメトリック法 ,  ディジタル方式 ,  最適化 ,  事後確率 ,  *スペクトル
準シソーラス用語： シミュレーテッドアニーリングアルゴリズム ,  事前分布 ,  文脈情報 ,  混合分布 ,  統計分布 ,  分類法 ,  *マルチスペクトル画像 ,  *Markov確率場 , 【Automatic Indexing@JST】

著者キーワード (4件)： Bayesノンパラメトリックモデル ,  Gauss混合モデル ,  Markovランダム場 ,  マルチスペクトル画像の分類

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： MRF ,  Markov確率場 ,  マルチスペクトル画像 ,  分類