文献

J-GLOBAL ID：201602273173379243   整理番号：16A1063734

集合から集合への距離に基づくスペクトル-ハイパースペクトル画像の空間分類【Powered by NICT】

Set-to-Set Distance-Based Spectral-Spatial Classification of Hyperspectral Images

著者 (5件)： Lu Ting (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Li Shutao (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Fang Leyuan (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Bruzzone Lorenzo (Department of Information Engineering and Computer Science, University of Trento, Trento, Italy) ,  Benediktsson Jon Atli (Faculty of Electrical and Computer Engineering, University of Iceland, Reykjavik, Iceland)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 54  号： 12  ページ： 7122-7134  発行年： 2016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(HSI)用の新しいセットにセット距離に基づくスペクトル-空間分類法を提案した。HSIでは,各均一領域内で空間的に連結した及びスペクトル的に類似したピクセルは,試験試料,すなわち,試験セット,同一クラスに属するの1セットと考えることができる。添加では,各クラス標識ピクセルの訓練試料,すなわち,訓練集合の1セットと見なすことができる。特定集合ベ-スの距離基準による試験と訓練集合間の類似性を測定し,各試験セットに対して分類ラベルを決定,に提案した方法で自然な考え方である。特に,スーパーピクセルアルゴリズムに基づく過剰セグメンテーション法は,最初の多重知覚的に均一な領域にHSIを分割するために空間的類似性と構造情報の両方を利用した。結果として,各分割領域は一つの検査セットに対応する。各試験/訓練セットはアフィン包(AH)モデル,セットを特性化し適応的に各セット内の類似性と画素の分散の両方を利用する,を用いて表現される。最後に,各試験セットのクラスラベルは試験の間の最も近い形状距離に基づいて決定されると訓練はAHs。実HSIデータセット上での実験結果により,幾つかの良く知られた分類手法に比べて提案アルゴリズムの優位性を実証し,分類精度と計算速度の観点から。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： 多重化 ,  計算機処理速度 ,  画素 ,  キャラクタリゼーション ,  *スペクトル ,  類似性 ,  アルゴリズム ,  セグメンテーション
準シソーラス用語： 分類精度 ,  分類法 ,  *ハイパースペクトル画像 , 【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)： 集合 ,  スペクトル ,  ハイパースペクトル画像 ,  分類