文献

J-GLOBAL ID：201602276962795538   整理番号：16A0819988

PCAの変化ベクトル分析法をリモートセンシング画像の変化検出に基づく【JST・京大機械翻訳】

Remote sensing image change detection based on change vector analysis of PCA component

著者 (5件)： Huang Wei (Institute of Geodesy and Geophysics, Chinese Academy of Sciences) ,  Huang Jinliang (Institute of Geodesy and Geophysics, Chinese Academy of Sciences) ,  Wang Lihui (Institute of Geodesy and Geophysics, Chinese Academy of Sciences) ,  Hu Yanxia (Institute of Geodesy and Geophysics, Chinese Academy of Sciences) ,  Han Pengpeng (Institute of Geodesy and Geophysics, Chinese Academy of Sciences)
資料名： Guotu Ziyuan Yaogan  (Guotu Ziyuan Yaogan)
巻： 28  号： 1  ページ： 22-27  発行年： 2016年 
JST資料番号： C2688A  ISSN： 1001-070X  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： 土地被覆変化のリモートセンシングモニタリングの1つの研究を実現するために,異なる年単時層リモートセンシングデータに基づき差画像を抽出し、変化の閾値を自動的に変化する領域の新しい抽出方法を決定する。南通市のLANDSAT-8OLIは映像を例として,2期の画像に対して主成分分析(PRINCIPAL COMPONENT ANALYSIS, PCA)を行ってそれぞれ;前3つの主成分を取り変化ベクトル分析(CHANGE VECTOR ANALYSIS, CVA)を行い,変化検出の差の画像を構築した,そして従来のPCA法とCVA法に構造の差像との対比を行った;3シーン差の映像に対してそれぞれ伝統的大域的閾値及び局所最小錯分概率法を用いて閾値を自動的に決定し,変化領域を抽出し,それぞれ,6シーン変化領域図を得た。目視解訳様点を用いて精度評価を行った結果,改良後のPCAのCVA法抽出に基づく変化領域の全体的精度は92.78%,KAPPA 係数0.8426,証明をこの方法を用いて効果的に異なる年単時層リモートセンシングデータの変化検出を行うことができる。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： *画像 ,  主成分分析 ,  都市 ,  LANDSAT ,  *ベクトル解析 ,  映像 ,  リモートセンシングデータ ,  *変化検出 ,  資源衛星 ,  飛翔体
準シソーラス用語： 精度評価 ,  土地被覆変化 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： change vector analysis(CVA) ,  principal component analysis(PCA) ,  threshold determination ,  change detection

分類 (4件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  人工知能  (JE08000Z) ,  増幅回路  (NC05040U)

タイトルに関連する用語 (4件)： PCA ,  ベクトル分析 ,  リモートセンシング画像 ,  変化検出