文献

J-GLOBAL ID：201702222828190973   整理番号：17A1400202

二元スペクトル変化ベクトルに基づくハイパースペクトル画像における教師なし複数変化検出のための新しい方法【Powered by NICT】

A novel method for unsupervised multiple Change Detection in hyperspectral images based on binary Spectral Change Vectors

著者 (3件)： Marinelli Daniele (Department of Information Engineering and Computer Science, University of Trento, Italy) ,  Bovolo Francesca (Fondazione Bruno Kessler, Center for Information and Communication Technology, Trento, Italy) ,  Bruzzone Lorenzo (Department of Information Engineering and Computer Science, University of Trento, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MultiTemp  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 次年では,ハイパースペクトル(HS)センサを用いた新しい衛星の打ち上げは規則的な多時期HSデータセットのアベイラビリティを保証するであろう。多重土地被覆変化を識別するためのHSセンサのスペクトルの高密度サンプリングを利用するためにアドホック技術が必要である。本論文では,二元スペクトル変化ベクトル(SCVs)に基づくHS多時期画像における教師なし複数変化検出(CD)のための新しい方法を提案した。より詳細,後者にのみ焦点を当てるための方法は変化せず,変化した領域を区別する。,二成分形で実数値SCVsに変換する離散高次元空間で動作した。各葉は一種の変化を表す二元SCVsは階層的ツリー構造でクラスタ化した。樹はまた,異なる変化は相互に関連しているか明らかにした。提案されたアプローチは,農業地域で取得した多時期データセットで試験した。実験結果は,二元SCVsはより単純な離散空間で働くによる多重変化を検出し,識別することを可能にすることを確認した。Copyright 2017 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： 高次元 ,  ツリー構造 ,  アベイラビリティ ,  *スペクトル ,  *画像 ,  センサ ,  クラスタ化 ,  多重化 ,  *ベクトル ,  実数 ,  農業地区
準シソーラス用語： 多時期 ,  *ハイパースペクトル ,  *変化検出 ,  *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 (5件)： スペクトル ,  ベクトル ,  ハイパースペクトル画像 ,  教師 ,  変化検出