文献

J-GLOBAL ID：201602278087110824   整理番号：16A1352719

カーブレット変換と特異スペクトル解析を用いたハイパースペクトル画像の効率的ノイズ除去と分類【Powered by NICT】

Effective Denoising and Classification of Hyperspectral Images Using Curvelet Transform and Singular Spectrum Analysis

著者 (10件)： Qiao Tong (Department of Electronic and Electrical Engineering, University of Strathclyde, Glasgow, U.K.) ,  Ren Jinchang (Department of Electronic and Electrical Engineering, University of Strathclyde, Glasgow, U.K.) ,  Wang Zheng (School of Computer Software and School of Computers, Tianjin University, Tianjin, China) ,  Zabalza Jaime (Department of Electronic and Electrical Engineering, University of Strathclyde, Glasgow, U.K.) ,  Sun Meijun (School of Computer Software and School of Computers, Tianjin University, Tianjin, China) ,  Zhao Huimin (School of Electronic and Information, Guangdong Polytechnic Normal University, Guangzhou, China) ,  Li Shutao (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Benediktsson Jon Atli (Faculty of Electrical and Computer Engineering, University of Iceland, Reykjavik, Iceland) ,  Dai Qingyun (School of Electronic and Information, Guangdong Polytechnic Normal University, Guangzhou, China) ,  Marshall Stephen (Department of Electronic and Electrical Engineering, University of Strathclyde, Glasgow, U.K.)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 1  ページ： 119-133  発行年： 2017年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： ハイパースペクトル画像(HSI)分類は,近年一般的な研究トピックになっており,効果的な特徴抽出は分類タスク前の重要なステップである。Tradditionally,スペクトル特徴抽出技術は,HSIデータキューブに直接適用した。比較的新しいスペクトル特徴処理技術特異スペクトル解析(SSA)によるカーブレット変換領域を利用したHSI特徴抽出のための新しいアルゴリズムを提案した。ウェーブレット変換はHSIデータ解析に広く適用されているが,画像幾何学的詳細と背景雑音を効果的に分離できるので,カーブレット変換が本論文で採用されている。サポートベクトルマシン分類器を用いて,実験結果は,カーブレット係数に及ぼすSSAにより抽出された特徴はウェーブレット係数に抽出された特徴上での分類精度の点で優れた性能を持つことを示した。提案したアプローチが,主にスペクトル次元の特徴抽出のためのSSAに依存しているため,実際にスペクトル特徴抽出カテゴリーに属する。したがって,提案した方法は,その有効性を示すためにいくつかの最新スペクトル特徴抽出技術と比較した。添加では,提案した方法は,データ獲得プロセス中に混入した望ましくないアーチファクトを除去することができることが分かった。提案した方法を用いて達成された分類マップに余分な空間後処理段階を加えることにより,分類性能はいくつかの最近のスペクトル-空間分類法と同等であることを示した。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： 特徴抽出 ,  ウェーブレット変換 ,  後処理 ,  サポートベクトルマシン ,  データ解析 ,  *スペクトル ,  データ収集 ,  *雑音低減 ,  アーチファクト ,  背景雑音 ,  スペクトル特徴 ,  *カーブレット解析
準シソーラス用語： 分類精度 ,  *ハイパースペクトル画像 ,  *特異スペクトル解析 ,  *カーブレット , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： カーブレット変換 ,  特異スペクトル解析 ,  ハイパースペクトル画像 ,  ノイズ除去 ,  分類