文献

J-GLOBAL ID：201502214771274293   整理番号：15A1109452

近傍協調に基づくハイパースペクトル画像のスペクトル-空間分類【Powered by NICT】

Spectral-spatial Classification of Hyperspectral Images Based on Neighborhood Collaboration

著者 (2件)： Ni Ding (Dep. of Electronic Engineering, Tsinghua Univ., Beijing) ,  Ma Hongbing (Dep. of Electronic Engineering, Tsinghua Univ., Beijing)
資料名： Zidonghua Xuebao  (Zidonghua Xuebao)
巻： 41  号： 2  ページ： 273-284  発行年： 2015年 
JST資料番号： C2134A  ISSN： 0254-4156  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： ハイパースペクトル画像は土地被覆に関する豊富なスペクトル情報を提供し,地球上の物質の詳細な解析を可能にした。高次元,十分な標識試料の欠如,及びハイパースペクトル画像分類に関与する計算集約的な問題を解決するために,本論文では,限られた訓練セットを用いた高精度クラス分けを実現するために簡単で効率的な方法を提示した。豊富なスペクトル特徴の利点と土地covers0分布の空間的に均一な特性を利用して,提案手法では,最初に特徴抽出と空間フィルタリングを採用した次元と元のハイパースペクトルデータのノイズを低減するために,提案した近傍協調サポートベクトルマシン(NC-SVM)を用いて,各画素を分類した。NC SVMは,中心のための信頼性のあるクラス判断を下すものと隣接する画素の判別情報を組み合わせて土地covers0分布の空間的に均一な特性を利用した。小さな訓練集合が利用可能であるときに近傍協力は誤分類の確率を効果的に減少させることができる。実験は,提案したアルゴリズムがいくつかの最先端の方法よりも計算コストをあまり増加させずに高い分類精度を達成できることを示した。限られた訓練サンプルを用いたハイパースペクトル画像の高速および高精度分類を実現することができる。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 土地 ,  高次元 ,  空間フィルタリング ,  サポートベクトルマシン ,  土地被覆 ,  特徴抽出 ,  画素 ,  *スペクトル
準シソーラス用語： 分類精度 ,  計算コスト ,  ハイパースペクトルデータ ,  スペクトル特徴 ,  高精度 ,  訓練 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (5件)： 近傍 ,  協調 ,  ハイパースペクトル画像 ,  スペクトル ,  分類