マルチ特徴に基づくソフト確率カスケードの場面に基づく分類方法を利用した。【JST・京大機械翻訳】

Liu Yueyan; Wang Linyu; Zhang Bin; Men Jilin

文献

J-GLOBAL ID：201702210872078793 整理番号：17A0292440

マルチ特徴に基づくソフト確率カスケードの場面に基づく分類方法を利用した。【JST・京大機械翻訳】

Scene-level land use classification based on multi-features soft-probability cascading

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A0292440&COPY=1") }}
高度な検索・分析はJDreamⅢで

著者 (4件)： , , ,
資料名：
巻： 32 号： 22 ページ： 266-272 発行年： 2016年
JST資料番号： C2454A ISSN： 1002-6819 CODEN： NGOXEO 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：中国 (CHN) 言語：中国語 (ZH)

高分解能リモートセンシング画像の特性を効果的に最適化し,特性を改善するために,本論文では,中間層特徴学習に基づくマルチ特徴ソフト確率カスケードモデルを提案し,シーンの分類と分類を実現した。まず最初に,抽出画像の密集スケール不変変換特徴(DENSE SCALE INVARIANT FEATURE TRANSFORM,DSIFT)、スペクトル特徴(SPECTRAL FEATURE,SF)及び局部二値パターン特徴(LOCAL BINARY PATTERN,LBP)は低レベル特徴とする。次に,局所的制約線形符号化(LLC-CONSTRAINT LINEAR CODING,LLC)を用いて,DSIFT特性,SF特性,およびLBP特性を,3つの低レベル特性のスパース係数を得るために,それぞれ符号化した。空間的ピラミッドマッチング(SPM)モデルと最大空間平滑化法を用いて,スパース係数を最適化し,画像の中間層特性を得た。最後に,SVM分類装置を用いて,3つの低レベル特性の中間層特徴を分類し,3つの低レベル特徴分類のソフト確率を計算し,3つの特徴の軟概率を画像の最終的特徴として計算し,SVM分類器を用いて最終分類結果を得た。UC-MERCED LAND USEデータセットを用いてこの方法を検証した。1)この方法の全体の精度は88.6%に達し、従来の疎符号化空間ピラミッドマッチング(SPARSE CODING AND SPATIAL PYRAMIDAL MATCHING,SCSPM)と比較する。局所制約線形符号化(LOCALITY-CONSTRAINT LINEAR CODING,LLC)などの分類方法は、全体の精度がそれぞれ12.7%、9.9%向上した。2)単一レベルの特徴を抽出する場面分類法と比較して,提案したアルゴリズムは,画像の複雑さと区別しにくい物体の表現を実現することができ,土地利用の分類精度を効果的に向上させることができた。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

図形・画像処理一般 , パターン認識

, , , , ,

前のページに戻る