文献

J-GLOBAL ID：201702237157048481   整理番号：17A1520040

テクスチャ特徴とSVMに基づくQuickBird画像リンゴ園抽出【JST・京大機械翻訳】

Apple Orchard Extraction with QuickBird Imagery Based on Texture Features and Support Vector Machine

著者 (4件)： Song Rongjie (西北農林科技大学資源環境学院,陜西楊凌712100;西北農林科技大学信息工程学院,陜西楊凌712100) ,  Ning Jifeng (西北農林科技大学信息工程学院,陜西楊凌,712100) ,  Liu Xiuying (西北農林科技大学資源環境学院,陜西楊凌712100;河南科技大学農学院,洛陽471003) ,  Chang Qingrui (西北農林科技大学資源環境学院,陜西楊凌,712100)
資料名： Nongye Jixie Xuebao  (Nongye Jixie Xuebao)
巻： 48  号： 3  ページ： 188-197  発行年： 2017年 
JST資料番号： C2453A  ISSN： 1000-1298  CODEN： NUYCA3  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： 高空間分解能リモートセンシング画像(高解像度画像)におけるリンゴ果樹園の抽出精度を向上するために,QuickBirdの遠隔感知データに基づいて,総合的スペクトル特徴とテクスチャ特徴のリンゴ果樹園の自動抽出法を研究した。まず第一に,最適指数関数(OIF)を用いて,多重スペクトルバンドの最適組合せを得た。次に,異なる大きさのスライディングウィンドウ(3画素×3ピクセルから13ピクセル×13ピクセルまで)を用いて,全色バンドのグレイレベル共起行列(GLCM),フラクタルおよび空間自己相関の3つのテクスチャ特徴を抽出し,それぞれスペクトル特徴と組み合わせた。最後に,サポートベクトルマシン(SVM)分類によりリンゴ果樹園の分類と認識を行った。結果は以下を示した。分類特徴において、単一スペクトルまたはテクスチャ特徴と比べ、スペクトル特徴とテクスチャ特徴を組み合わせることで、リンゴ園抽出精度(Fa)と全体分類精度(OA)を有効に向上させ、そのうちスペクトル+GLCMテクスチャ(9画素×9ピクセル)分類精度が最も高い。FaとOAはそれぞれ96.99%と96.16%で,スペクトル+フラクタルテクスチャよりそれぞれ0.63%と1.56%高く,スペクトル+空間自己相関テクスチャより11.92%と9.20%高かった。分類法において,SVM,最尤法,およびニューラルネットワークの3つの方法の分類結果を比較することにより,SVM分類の認識精度が最も高いことを示した。最後に、リンゴ園の抽出結果に対して面積統計を行い、結果により、GLCMテクスチャ結合SVM分類のリンゴ園面積推定と目視解釈結果の一致性は98%を超えることが明らかになった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  画素 ,  *スペクトル ,  果樹園 ,  最尤法 ,  フラクタル ,  類似性 ,  リモートセンシング ,  ニューラルネットワーク
準シソーラス用語： *テクスチャ ,  分類精度 ,  同時生起行列 ,  スペクトル特徴 ,  *リンゴ園 ,  *テクスチャ特徴 , 【Automatic Indexing@JST】

著者キーワード (6件)： apple orchard ,  remote sensing identification ,  information extraction ,  gray level cooccurrence matrix ,  support vector machine ,  QuickBird

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： テクスチャ特徴 ,  SVM ,  QuickBird ,  リンゴ園