文献

J-GLOBAL ID：201602235887057898   整理番号：16A0611700

多様体ランキングによるハイパースペクトル画像分類のための顕著な帯域選択【Powered by NICT】

Salient Band Selection for Hyperspectral Image Classification via Manifold Ranking

著者 (3件)： Wang Qi (School of Computer Science and the Center for OPTical IMagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, China) ,  Lin Jianzhe (Center for OPTical Imagery Analysis and Learning, State Key Laboratory of Transient Optics and Photonics, Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China) ,  Yuan Yuan (Center for OPTical Imagery Analysis and Learning, State Key Laboratory of Transient Optics and Photonics, Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 27  号： 6  ページ： 1279-1289  発行年： 2016年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： 顕著性検出は,近年のホットな話題になっていると,この分野で行われている多くの努力。残念なことに,顕著性検出の結果は,一般的な応用に利用できない。主な理由,これらは筆者らの考えは,顕著なオブジェクトの非特異的定義,これは以前に報告された方法は実用的応用に拡張できないことを実現しています。この問題を解決するために,顕著性は文脈で定義しなければならないとハイパースペクトル画像(HSI)における顕著なバンド選択を例として導入されていることを主張した。残念なことに,従来の顕著なバンド選択法は,バンド差の不適切な測定の問題に悩まされている。この問題に取り組むために,多様体ランク付けによる伝統的な顕著なバンド選択法の欠点を除去するために提案した。より正確な多様体空間におけるバンドベクトルを置き,新しいランキング展望,本論文の主要な貢献と考えられるから顕著性問題を扱った。提案した方法の有効性を正当化するために,実験は三HSIを行った,著者らの手法は六つの既存の競争相手と比較した。結果は,提案した方法が非常に効果的であり,競争者間の最良の性能を達成できることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *多様体 ,  *等級づけ
準シソーラス用語： *帯域選択 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 多様体 ,  ランキング ,  ハイパースペクトル画像分類 ,  帯域選択