文献

J-GLOBAL ID：201702252089831451   整理番号：17A0238876

作物監視のためのスケーラブルな最近傍に基づく階層的変化検出フレームワーク【Powered by NICT】

Scalable nearest neighbor based hierarchical change detection framework for crop monitoring

著者 (6件)： Chen Zexi (North Carolina State University, 890 Oval Dr, Raleigh, NC 27606) ,  Vatsavai Ranga Raju (North Carolina State University, 890 Oval Dr, Raleigh, NC 27606) ,  Ramachandra Bharathkumar (North Carolina State University, 890 Oval Dr, Raleigh, NC 27606) ,  Zhang Qiang (North Carolina State University, 890 Oval Dr, Raleigh, NC 27606) ,  Singh Nagendra (Oak Ridge National Laboratory, 1 Bethel Valley Rd, Oak Ridge, TN 37831) ,  Sukumar Sreenivas (Oak Ridge National Laboratory, 1 Bethel Valley Rd, Oak Ridge, TN 37831)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 1309-1314  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： 植生と作付けパターンの変化のための大規模な地理的な地域のバイオマスモニタリングは多くの応用で重要である。植生の変化は,新しい政府の政策と規制に対する気候変化と損傷の範囲の理由のために起こる。リモートセンシング画像(多重スペクトルと多重時間)は変化パターンマッピング研究で広く使われている。既存バイテンポラル変化検出手法は,マルチスペクトル画像に適した良好で,時系列に基づく技術である多時期画像を解析するためのより適している。本研究の重要な貢献は,階層的よりもむしろブール変化を定義することである。変化パターンのこの定義に基づいて,衛星時系列画像から成長する作物の生物季節学的特性を利用することで,経年変化を同定するための新しい時系列類似性ベース変化検出フレームワークを開発した。提案した枠組は三つの要素:類似性階層を用いた階層的クラスタリングツリー構築,最近傍に基づく分類,変化検出から構成されている。提案アプローチは教師なしが,実データセットに埋め込まれた手動で誘導される変化領域を用いた評価を提示した。広く使用されているK-平均クラスタリングと提案手法を比較しと評価は,k-平均法は,提案した方法と比較して変化を検出することを示した。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： クラスタ化 ,  画像 ,  永年変化 ,  地理学 ,  類似性 ,  *農作物
準シソーラス用語： 階層的クラスタリング ,  フェノロジー ,  時系列画像 ,  多時期 ,  マルチスペクトル画像 ,  多重スペクトル ,  リモートセンシング画像 ,  作付け ,  *変化検出 , 【Automatic Indexing@JST】

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (3件)： 作物 ,  変化検出 ,  フレームワーク