文献

J-GLOBAL ID：201702237613769874   整理番号：17A1676157

圧縮センシングに基づくハイパースペクトルリモートセンシング画像再構成手法の研究【JST・京大機械翻訳】

Hyperspectral remote sensing imagereconstruction method based on compressive sensing

著者 (3件)： Wang Han (東北林業大学 信息与計算机工程学院,黒竜江 哈爾浜,150040) ,  Wang Achuan (東北林業大学 信息与計算机工程学院,黒竜江 哈爾浜,150040) ,  Cang Sheng (東北林業大学 信息与計算机工程学院,黒竜江 哈爾浜,150040)
資料名： Yejing yu Xianshi  (Yejing yu Xianshi)
巻： 32  号： 3  ページ： 219-226  発行年： 2017年 
JST資料番号： W1519A  ISSN： 1007-2780  CODEN： YYXIFY  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： ハイパースペクトルリモートセンシング画像には,豊富な空間,放射,およびスペクトル情報が含まれているが,一方,大量のデータは,高いスペクトルイメージング技術の伝送と蓄積における多くの問題を引き起こす。この問題に対して、ハイパースペクトルリモートセンシング画像のスペクトル間の相関性が強い特性に基づき、スペクトル間の多方向予測に基づく圧縮センシングに基づくハイパースペクトルリモートセンシング画像再構成方法を提案した。最初に,ハイパースペクトルリモートセンシング画像のスペクトル相関を用いて,ハイパースペクトルリモートセンシング画像の周波数帯をグループ化し,各グループの参照バンドを決定し,平滑化l0ノルムアルゴリズムを用いて各グループの参照バンドを再構成した。第二に,非参照バンド予測モデルを構築し,非参照バンドの予測測定値を計算するために,再構成された隣接するグループ内の参照バンドに従って,非参照バンド予測モデルを確立した。次に,実際の測定値と予測値の間の差を計算し,SL0アルゴリズムを用いて,この差異を再構築し,差分ベクトルを得た。最後に,得られた差分ベクトルを用いて予測値を更新し,このバンドの元の画像を回復した。シミュレーション結果により,この方法がハイパースペクトル画像の再構成効果を改善することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  予測 ,  *画像再構成 ,  画像技術 ,  平滑化 ,  予測モデル ,  周波数帯 ,  *画像 ,  *再構成 ,  *スペクトル ,  シミュレーション ,  ベクトル
準シソーラス用語： ハイパースペクトル画像 ,  *ハイパースペクトル・リモートセンシング ,  *圧縮センシング , 【Automatic Indexing@JST】

著者キーワード (4件)： hyperspectral remote sensing image ,  compressive sense ,  prediction model ,  image reconstruction

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  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)： 圧縮センシング ,  ハイパースペクトルリモートセンシング ,  画像再構成 ,  手法 ,  研究