文献

J-GLOBAL ID：201702244568236876   整理番号：17A1262829

ハイパースペクトル画像分類のための形態学的成分解析を用いた能動的及び半教師付学習【Powered by NICT】

Active and Semisupervised Learning With Morphological Component Analysis for Hyperspectral Image Classification

著者 (2件)： Zhou Xiong (Department of Electrical and Computer Engineering, Hyperspectral Image Analysis Group, University of Houston, Houston, TX, USA) ,  Prasad Saurabh (Department of Electrical and Computer Engineering, Hyperspectral Image Analysis Group, University of Houston, Houston, TX, USA)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 8  ページ： 1348-1352  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： ハイパースペクトル画像の分類は,最近リモートセンシング技術の開発と画像解析手法の進歩により著しい人気を得ている。正確な分類を達成する一つの重要なステップは,十分な高品質訓練データ,時間がかかり高価なプロセスをしばしばを得ることである。この負担を軽減するために,本論文では,ハイパースペクトル画像の分類のための形態学的成分分析(MCA)を利用した活性と半教師つき学習(SSL)手法を提案した。最初に,オリジナルなハイパースペクトルデータはMCAを介してその形態学的成分に分解した。各特徴領域では,能動学習(AL)とSSLを組み合わせてスーパピクセルに基づく訓練データセットを拡大した。最後に,決定融合は二成分からの予測を統合するために行われる。提案した方法は,ベンチマークと実世界応用ハイパースペクトルデータセットの両方で試験した。実験結果は,提案した方法は,従来のALアプローチに関して良好な分類をもたらすことができることを示した。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： リモートセンシング ,  *モルフォロジー ,  画像分析 ,  *教師つき学習 ,  ベンチマーク
準シソーラス用語： 能動学習 ,  ハイパースペクトルデータ ,  半教師つき学習 ,  成分分析 ,  訓練データ ,  高品質 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ハイパースペクトル画像分類 ,  形態学 ,  解析 ,  教師付学習