文献

J-GLOBAL ID：201602222864045037   整理番号：16A1252125

マルチスケールマルチ特徴融合の高分解能リモートセンシング画像分類【JST・京大機械翻訳】

High resolution remote sensing image classification based on multi-scale and multi-feature fusion

著者 (2件)： Chen Suting (School of Electronics and Information Engineering, Nanjing University of Information Science and Technology, Jiangsu Key Laboratory of Meteorological Observation and Information Processing) ,  Wang Hui (School of Electronics and Information Engineering, Nanjing University of Information Science and Technology, Jiangsu Key Laboratory of Meteorological Observation and Information Processing)
資料名： Liangzi Dianzi Xuebao  (Liangzi Dianzi Xuebao)
巻： 33  号： 4  ページ： 420-426  発行年： 2016年 
JST資料番号： C2419A  ISSN： 1007-5461  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： 高分解能リモートセンシング画像のマルチスケール,複雑な空間分布,および多くの特性のため,リモートセンシング画像の特徴抽出のスケール効果と様々な物体の顕著な特徴に基づいて,マルチスケールマルチ特徴融合に基づく高分解能リモートセンシング画像分類法を提案した。この方法では,最適スケール分割関数モデルを構築し,各物体の最適スケールを探し,画像のテクスチャ,色,形状特徴を抽出した。これらの特性に基づき,マルチスケールの多重特徴の重みづけ融合を実現した。この重みづけ融合法は,従来の最適スケール分割アルゴリズムを用いて,各種類の物体の特性差異の限界を完全に考慮することができず,各種類のオブジェクトの有意性を分析することによって,分類における各特徴の重みをモデル化した。実験結果は以下を示す。従来の教師なし分類アルゴリズムと比較して,この方法の精度は約7%向上し,実行効率は高かった。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 重みづけ ,  特徴抽出 ,  アルゴリズム ,  サイズ効果 ,  モデリング ,  空間分布 ,  *画像 ,  *高分解能
準シソーラス用語： 教師なし分類 ,  形状特徴 ,  テクスチャ ,  分類法 ,  *マルチスケール ,  *リモートセンシング画像 ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (5件)： image processing ,  image classification ,  multi-scale feature fusion ,  optimal segmentation scale function ,  significant features

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 特徴融合 ,  高分解能 ,  リモートセンシング画像 ,  分類