文献
J-GLOBAL ID:201202291674549786   整理番号:12A1378375

土地被覆分類におけるテクスチャ計測を用いたマルチテンポラルSARと光学データの併用

Multi-temporal SAR and Optical Data Combination with Textural Measures for Land Cover Classification
著者 (2件):
資料名:
巻: 51  号:ページ: 211-223  発行年: 2012年09月07日 
JST資料番号: G0203A  ISSN: 0285-5844  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: 日本 (JPN)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,トレーニングサンプル(SS)選択方法を組み込みながら,単一偏波の多時期SARと光学データをベイズ理論に基づいて統合して分類するフレームワークを提案する。このフレームワークでは,グレーレベル生起行列(GLCM)ベースの平均値テクスチャを用いた組合せが検討されている。より正確で空間的に分散したトレーニングサンプルを生成するSSの処理と,分類という2つの処理が統合されている。提案するフレームワークでは,多時期のSARデータから抽出された特徴-平均後方散乱係数,後方散乱の時間変動,長期間のコヒーレンスーと,光学データから抽出された反射率が,GLCMの平均値テクスチャを経由して統合されている。大阪を対象地に選んで分類が行われた。選択した土地被覆クラスは,市街地,野原,森林,水域であった。最も分類に適したデータは,異なるデータの相互補完,テクスチャの平滑化効果という点で,多偏波SARと光学データを平均値テクスチャを経由して統合するものであった。サポートベクターマシン(SVM)とニューラルネットワーク(NN)ベースのSS手法で改良されたトレーニングサンプルを用いて分類した結果が,全てのケースの中で最も高い分類精度を示した。(著者抄録)
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
写真測量,空中写真 
引用文献 (14件):

前のページに戻る