文献

J-GLOBAL ID：201602206867009986   整理番号：15A1252181

空間スペクトル特徴とスパース表現の組合せに基づくハイパースペクトル画像分類【Powered by NICT】

Hyperspectral Image Classification Based on the Combination of Spatial-spectral Feature and Sparse Representation

著者 (5件)： Yang Zhaoxia (School of Geosciences and Info-Physics, Central South Univ., Changsha) ,  Zou Zhengrong (School of Geosciences and Info-Physics, Central South Univ., Changsha) ,  Tao Chao (School of Geosciences and Info-Physics, Central South Univ., Changsha) ,  Tian Yanping (School of Geosciences and Info-Physics, Central South Univ., Changsha) ,  He Xiaofei (School of Geosciences and Info-Physics, Central South Univ., Changsha)
資料名： Cehui Xuebao  (Cehui Xuebao)
巻： 44  号： 7  ページ： 775-781  発行年： 2015年 
JST資料番号： C2485A  ISSN： 1001-1595  CODEN： CEXUER  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： 従来のハイパースペクトル画像分類における高次元スペクトル特徴に上の依存性の問題を避けるために,空間-スペクトル特徴とスパース表現の組み合わせに基づく新規な方法を本論文で提案した。最初に,筆者らは最初にD主成分(PCs)の局所画像パッチを再構成ベクトル表現ベクトルは,局所画像回転に対して不変に続くソーティング方式を行うことで,空間スペクトル特徴を抽出した。第二に,教師つき法により辞書を学習し,その後試験試料からの特徴を符号化するためにそれを使用した。最後に,得られたスパース特徴符号化ハイパースペクトル画像分類のためのサポートベクトルマシン(SVM)に埋込んだ。三ハイパースペクトルデータを用いた実験は,提案した方法が従来の分類法と比較して分類精度を効果的に改善できることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *画像 ,  ソーティング ,  サポートベクトルマシン ,  再構成 ,  教師 ,  ベクトル ,  符号化 ,  高次元 ,  不変性 ,  *透視図法
準シソーラス用語： 分類精度 ,  分類法 ,  ハイパースペクトルデータ ,  *ハイパースペクトル画像 ,  *スパース表現 , 【Automatic Indexing@JST】

分類 (2件)： 測地学  (DC02000X) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： スペクトル特徴 ,  スパース表現 ,  組合せ ,  ハイパースペクトル画像分類