文献

J-GLOBAL ID：201702241856724448   整理番号：17A0098076

窓融合特性コントラストの光学リモートセンシング目標検出【JST・京大機械翻訳】

Optical remote sensing object detection based on fused feature contrast of subwindows

著者 (4件)： Li Xiangjuan (Xi’an Shiyou University) ,  Wang Cailing (Xi’an Shiyou University) ,  Li Yu (Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences) ,  Sun Hao (Key Laboratory of Technology in Geospatial Information Processing and Application System,Institute of Electronics,Chinese Academy of Sciences, Institute of Electronics,Chinese Academy of Sciences)
資料名： Guangxue Jingmi Gongcheng  (Guangxue Jingmi Gongcheng)
巻： 24  号： 8  ページ： 2067-2077  発行年： 2016年 
JST資料番号： C2090A  ISSN： 1004-924X  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： 本論文では,窓融合特性に基づく光学リモートセンシング目標検出法を提案した。まず第一に,異なるサイズのウィンドウを訓練画像上に生成し,各ウィンドウのマルチスケール特徴,,領域のコントラスト,エッジ密度対コントラスト,およびスーパーの4つの特徴スコアを計算し,集合のウィンドウの重なり度と事後確率に基づく各特徴の閾値パラメータを最大化した。次に,NAIVE BAYESフレームワークを用いて特徴融合を行い,分類器を訓練した。まず第一に,試験画像における各ウィンドウのマルチスケールの度分値を計算するために,ターゲット検出の段階において,高さを検出し,そして,ターゲットのサイズの比率を検出するためのいくつかのウィンドウを予備的に選択した。次に,最初の3つの特徴を計算し,次に,訓練した分類モデルに従って,各ウィンドウの事後確率を計算した。最終的に,局所的候補領域の候補領域を選択して,最終的目標検出結果を得る。航空機,石油タンク,船舶などの3種類のリモートセンシング目標の検出結果を示した。4種類の特徴は単独で3種類の目標を表現するときに表現される性能が異なり、最高検出精度は74.21%~%%であり、融合案は目標の自身の特徴を総合的に考慮することができ、正確率は80.78%~87.30%まで向上した。固定数数法に比べて,正解率は約80%から約85%に向上し,誤警報率は20%程度から3%程度に低下した.最終的に,高分値領域の数は約90%減少し,テスト時間は約25%減少した。得られた結果は,提案方法がターゲット検出精度とアルゴリズム効率を大いに改善することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 油タンク ,  検出法 ,  船舶 ,  事後確率 ,  画像 ,  *リモートセンシング ,  *コントラスト
準シソーラス用語： 誤警報率 ,  正解率 ,  検出精度 ,  分類モデル ,  ターゲット検出 ,  スコア ,  マルチスケール ,  *光学リモートセンシング , 【Automatic Indexing@JST】

著者キーワード (7件)： optical remote sensing ,  object detection ,  fused feature contrast ,  subwindow ,  saliency ,  affine invariant ,  edge density

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 窓 ,  融合 ,  コントラスト ,  光学リモートセンシング ,  目標