文献

J-GLOBAL ID：201702222995358101   整理番号：17A0379330

海洋浮遊ラフト検出SAR(合成開口レーダ)画像のための重み付き融合ベース表現分類器【Powered by NICT】

Weighted Fusion-Based Representation Classifiers for Marine Floating Raft Detection of SAR Images

著者 (3件)： Geng Jie (School of Information and Communication Engineering, Dalian University of Technology, Dalian, China) ,  Fan Jianchao (Department of Ocean Remote Sensing, National Marine Environmental Monitoring Center, Dalian, China) ,  Wang Hongyu (School of Information and Communication Engineering, Dalian University of Technology, Dalian, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 3  ページ： 444-448  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 海洋浮遊ラフトの検出は海洋利用,海洋生態系保護のための基礎を提供するために重要である。この事例研究では,重み付き融合表現の教師つき分類器は,合成開口レーダ画像を用いた海洋浮遊ラフトを検出するために提案した。スペックル雑音を除去し,より識別的な特徴を得るために,重み付き低ランク行列因数分解(WLRMF)モデルは,検出の前に特徴を最適化するために開発された,パッチ特徴のマトリックスは分解雑音除去された特徴を得ることである。重み付き乗算を用いた重み付き融合表現分類器(WFRCs)は浮遊ラフト検出,浮遊ラフトと水表面と協力クラス内試料の間の競合を把握できるのためのスパース表現分類器(SRC)と協調表現分類器(CRC)を結合するために提案した。ぼっ海の研究地域上での実験を行い,提案した方法は,いくつかの関連する方法よりも優れた結果が得られることを確認した。WLRMFモデルは有効な特徴を抽出し,同時にスペックル雑音の影響を克服することを実証した,WFRCモデルは検出精度を改善するための共同研究における競争とCRCにおけるSRCの利点を取ることができた。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： *浮遊 ,  雑音除去 ,  乗算 ,  *合成開口レーダ ,  事例研究 ,  *海洋 ,  最適化 ,  画像
準シソーラス用語： 検出精度 ,  スパース表現 ,  行列因数分解 ,  スペックル雑音 ,  SAR画像 ,  海洋生態系 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： 海洋 ,  浮遊 ,  ラフト ,  SAR ,  合成開口レーダ ,  融合 ,  表現 ,  分類器