文献

J-GLOBAL ID：201702269497481362   整理番号：17A0852764

光学画像との航空機搭載LiDARデータの統合Bayesネットワークに基づく分類法【Powered by NICT】

A Bayesian-Network-Based Classification Method Integrating Airborne LiDAR Data With Optical Images

著者 (3件)： Kang Zhizhong (School of Land Science and Technology, China University of Geosciences, Beijing, China) ,  Yang Juntao (School of Land Science and Technology, China University of Geosciences, Beijing, China) ,  Zhong Ruofei (State Key Laboratory Incubation Base of Urban Environmental Processes and Digital Simulation, Capital Normal University, Beijing, China)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 10  号： 4  ページ： 1651-1661  発行年： 2017年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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： 点雲分類は空中光検出と測距(LiDAR)データの応用に非常に重要である。近年,空中LiDARは種々の他のセンサ,例えば,光学画像センサと統合されていると,シーン分類のための多種データの融合はホットな話題となっている。それ故,本論文では,浮遊点雲分類融合多重データ型に適していることをBayesネットワーク(BN)モデルを提案した。LiDAR点雲と空中画像の特性の分析に基づいて,ここではまず,点雲からの幾何学的特徴と光学像からのスペクトル特徴を抽出した。最適BN構造は,点雲分類のための最適BN分類器を得るために改良された相互情報量ベースK2アルゴリズムを用いて訓練した。実験はBN分類器は,地下水,植生,木,建築物を含む,四種類の基本的な地上物体の識別を90%以上の高い精度で効果的にできることを示した。さらに,他の分類器と比較して,提案したBN分類器が最高の総合精度を達成でき,特に,分類器は基底状態と低植生点の分類におけるその利点を実証した。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： 相互情報量 ,  センサ ,  *光学画像 ,  アルゴリズム ,  イメージセンサ ,  地下水 ,  データ型 ,  光検出 ,  距離測定
準シソーラス用語： スペクトル特徴 ,  幾何学的特徴 ,  空中画像 ,  *分類法 ,  *LIDARデータ ,  *航空機搭載 , 【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 (6件)： 光学画像 ,  航空機搭載 ,  LIDARデータ ,  統合 ,  Bayesネットワーク ,  分類法