文献

J-GLOBAL ID：201702229499016887   整理番号：17A0379190

高分解能リモートセンシング画像からオブジェクトベース構築変化検出のためのコセグメンテーション【Powered by NICT】

Cosegmentation for Object-Based Building Change Detection From High-Resolution Remotely Sensed Images

著者 (5件)： Xiao Pengfeng (Department of Geographic Information Science, Nanjing University, Nanjing, China) ,  Yuan Min (Department of Geographic Information Science, Nanjing University, Nanjing, China) ,  Zhang Xueliang (Department of Geographic Information Science, Nanjing University, Nanjing, China) ,  Feng Xuezhi (Department of Geographic Information Science, Nanjing University, Nanjing, China) ,  Guo Yanwen (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 3  ページ： 1587-1603  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： 本論文では,多時期高解像度(HR)リモートセンシング画像からの建築物変化検出のためのコセグメンテーションベース手法を提案した,オブジェクトベース変化検出(OBCD)の新しい解を提供した。最初に,差分画像の大きさは変化特徴を表現するために計算した。コセグメンテーションは各相で画像特徴変化特徴を組み合わせることによりグラフに基づくエネルギー最小化により行い,直接多時期変化物体と背景として面積変化として前景をもたらした。最後に,変化オブジェクト間の空間対応をオーバーレイ解析を通して確立される。コセグメンテーションはOBCDの分離と関連するよりもむしろ,分離および独立した多時期画像セグメンテーション法,二つの利点を提供する:1)画像と変化特徴の両方を用いて,物体変化し,多時期情報のフル能力を活用し,変化特徴の会合により二空間的に対応した変化検出地図を作成,オブジェクトの主題,幾何学的,および数値変化を明らかにする能力を持つとして前景セグメントを生成し,2)コセグメンテーション結果におけるバックグラウンドを変化させずに面積,分かれた及び独立した多重時間セグメンテーション戦略によるマッチング矛盾不変物体の問題を自然に回避することを示した。五HRデータセット上での実験結果は,提案した方法の有効性を検証し,最新のOBCD方法との比較は,その優位性を示した。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： マッチング ,  画像特性 ,  *画像 ,  不変性 ,  多重化 ,  *高分解能 ,  *セグメンテーション
準シソーラス用語： 矛盾 ,  画像セグメンテーション ,  前景 ,  エネルギー最小化 ,  差分画像 ,  多時期 ,  *変化検出 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： 高分解能 ,  リモートセンシング画像 ,  オブジェクト ,  構築 ,  変化検出