文献

J-GLOBAL ID：201002284945568306   整理番号：10A0682148

Gauss型シナプス人工ニューラル・ネットワークによる,ハイパースペクトル画像中の低比率エンドメンバの分離

Unmixing Low-Ratio Endmembers in Hyperspectral Images Through Gaussian Synapse ANNs

著者 (3件)： PENA Fernando Lopez (Univ. A Coruna, Ferrol, ESP) ,  CRESPO Juan Juis (Univ. A Coruna, Ferrol, ESP) ,  DURO Richard J. (Univ. A Coruna, Ferrol, ESP)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 59  号： 7  ページ： 1834-1840  発行年： 2010年07月 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  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： ハイパースペクトル画像中のエンドメンバを検出・分離するピクセル分離プロセスに関して,エンドメンバの存在比率が15%以下のときの,Gauss型シナプス人工ニューラル・ネットワークの能力を考察した。このネットワークと学習アルゴリズムは,エンドメンバの比率に関する知識なしに,エンドメンバを効率的に決定できると述べた。このネットワークの学習と試験を,空間的に疎な5個のエンドメンバを含む,人工的に作成したハイパースペクトル画像基準により行い,考察した。更に,別のラベルの付いたゾーン間の移行のある領域に関する実画像についても本方法を適用し,考察した。

シソーラス用語： *スペクトル画像 ,  *画像分析 ,  ニューラルネットワーク ,  学習アルゴリズム ,  特徴抽出 ,  分離 ,  関数
準シソーラス用語： Gauss関数 ,  ハイパースペクトル画像

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)： Gauss型 ,  シナプス ,  人工ニューラル・ネットワーク ,  ハイパースペクトル画像 ,  比率 ,  メンバ