文献

J-GLOBAL ID：201702241859465106   整理番号：17A0142635

ハイパースペクトルスパース非混合のための局所存在量正則化【Powered by NICT】

Local abundance regularization for hyperspectral sparse unmixing

著者 (2件)： Rizkinia Mia (The University of Kitakyushu, Kitakyushu City, Japan) ,  Okuda Masahiro (The University of Kitakyushu, Kitakyushu City, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APSIPA  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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スパース非混合ハイパースペクトルシーンの混合ピクセル(端成分)に含まれる材料の最適画分(量)を推定し,豊度スパース性を考慮した課題である。豊度はユニークな特性,すなわち,局所領域における高い空間相関を示した。これは領域に存在する端成分は高い相関関係にあるという事実による。端成分の項における豊度の低いranknessを意味している。この事前知識から来る,スパース非混合問題への低品位局地的な豊度を考慮した推定性能を改善することが期待される。本論文では,空間的及びスペクトル的に局所領域の豊度指標に重みづけ核型ノルムを適用することにより低品位局地的な豊度を利用し,従来法に追加した。純粋画素がデータに存在するかを仮定して,実験を行った。実験は筆者らの手法が比肩可能な結果が得られ,従来の方法を改善することを示した。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： 画素 ,  重みづけ ,  *正則化 ,  ノルム ,  *スペクトル ,  *透視図法
準シソーラス用語： 事前知識 ,  空間相関 ,  スパース性 ,  端成分 ,  ミクセル ,  *ハイパースペクトル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 正則化