文献

J-GLOBAL ID：201702244746374095   整理番号：17A0168243

特徴選択に基づく対象毛の分布情報抽出【JST・京大機械翻訳】

Mapping of Moso Bamboo Forest Using Object-Based Approach Based on the Optimal Features

著者 (6件)： Gao Guolong (Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration School of Environmental and Resources Science,Zhejiang A & F University) ,  Du Huaqiang (Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration School of Environmental and Resources Science,Zhejiang A & F University) ,  Han Ning (Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration School of Environmental and Resources Science,Zhejiang A & F University) ,  Xu Xiaojun (Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration School of Environmental and Resources Science,Zhejiang A & F University) ,  Sun Shaobo (Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration School of Environmental and Resources Science,Zhejiang A & F University) ,  Li Xuejian (Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration School of Environmental and Resources Science,Zhejiang A & F University)
資料名： Linye Kexue  (Linye Kexue)
巻： 52  号： 9  ページ： 77-85  発行年： 2016年 
JST資料番号： C2424A  ISSN： 1001-7488  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)

抄録/ポイント： 【目的】研究は,オブジェクト指向の森林資源のリモートセンシング分類のための参照を提供するために,RELIEFF特性に基づく最適化オブジェクト指向分類法を提案する。【方法】研究対象としてSPOT5高分解能リモートセンシング画像を用い,浙江省吉郡の山川郷郡を研究対象として,8つの対象物の370のサンプルを画像分割によって選択した。SPOT5画像の各バンドの8つのグレイレベル共起行列のテクスチャ、各バンド及びNDVIの平均値と標準偏差など42の対象特徴を設定した。RELIEFFアルゴリズムを用いて42の対象特性を最適化し,オブジェクト指向の最近傍法を用いてあたりの分布情報を抽出した。最適特徴に基づくオブジェクト指向分類の結果を比較するために,同じ分類パラメータと訓練サンプルの下で,決定木の分類規則を,ディシジョンツリーによって構築し,そして,研究領域を分類して,竹林情報を抽出した。【結果】1)分類特性を最適化するためにRELIEFF特徴選択法を使用することによって,林の分類精度は大いに改良され,林の分類精度は68%から88%に増加した。5つの特性,すなわち,論 段均値,緑のバンドの平均値,赤帯の均質テクスチャ,,のテクスチャ,およびNDVI植生指数の5つの特性は,あたりの分布情報を正確に抽出することができ,ユーザの精度と生産者の精度はそれぞれ97%と95%に達した。2)CART決定木に基づくオブジェクト指向の研究は,竹林の利用者の精度と生産者の精度が,最適特性に基づく最近傍分類の結果よりも低く,主な理由は,CART,針葉樹林と広葉樹林の間のいうが相対的に高いことである。[結論]RELIEFFアルゴリズムの特徴選択において、特徴の分類能力を重視し、選別した特徴はオブジェクト指向の抽出に参与する林分布情報が類似の研究より高く、オブジェクト指向マルチスケール分割森林資源のリモートセンシング分類における特徴の選択に対して、より科学的で合理的な方法を提供することができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 高分解能 ,  *特徴選択 ,  針葉樹林 ,  リモートセンシング ,  正規化植生指数 ,  *情報抽出 ,  ディシジョンツリー ,  最適化
準シソーラス用語： 分類精度 ,  テクスチャ ,  画像セグメンテーション ,  リモートセンシング画像 ,  オブジェクト指向分類 ,  森林資源 ,  オブジェクト指向 , 【Automatic Indexing@JST】

著者キーワード (5件)： moso bamboo forest ,  ReliefF algorithm ,  optimal features ,  object-based ,  SPOT5 imagery

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (4件)： 特徴選択 ,  毛 ,  分布 ,  情報抽出