文献

J-GLOBAL ID：201702247778430952   整理番号：17A1657677

一般化統計領域によって統合されたSAR画像におけるラフト養殖情報の抽出【JST・京大機械翻訳】

Modifying generalized statistical region merging for unsupervised extraction of floating raft aquaculture in SAR images

著者 (3件)： Hu Yuanyuan (大連理工大学,大連116024;国家海洋環境監測中心,大連116023) ,  Fan Jianchao (国家海洋環境監測中心,大連,116023) ,  Wang Jun (大連理工大学,大連,116024)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 22  号： 5  ページ： 610-621  発行年： 2017年 
JST資料番号： C2782A  ISSN： 1006-8961  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： 目的:海水浮遊の養殖は海域における動的モニタリングにおける重要なタイプであり、合成開口レーダ(SAR)衛星リモートセンシング画像は海洋気象環境の影響を克服でき、浮遊の養殖地域を有効に反映できる。浮動性養殖の情報は,スペックル雑音によってひどく汚染され,ノイズ感受性を減少させるために,一般化局所二値パターン(GLBP)を改良して,一般化統計的領域併合アルゴリズム(GSRM)を改良して,GLBP_GSRMをコアとするマルチ特性統合モデルを構築した。より良いテクスチャ一貫性を有する超ピクセルを得て,浮動ラフトの正確な抽出を達成した。方法:SARデータの乗法的ノイズ特性に従って,局所的二値モード演算子を改良して,GSRMの併合基準に加えて,テクスチャ情報の超ピクセルセグメンテーションと組み合わせて,より良いテクスチャ整合性を有する超ピクセルを得ることができて,効果的にスペックル雑音を抑制することができた。次に,非サブサンプルカンターレット変換を用いて,輪郭情報の豊富なデータ特性を得ることができ,そして,FCSを用いることにより,浮動ラフト情報の教師なし抽出を実現した。結果:遼寧省長海県の隣接海域を研究領域とし、CバンドのRadarsat-2 SARとXバンドのTerraSAR画像に対して、同じ画像の異なる領域と異なる画像の同じ領域の抽出結果を比較した。実地調査結果により、提案モデルは異なるタイプのSAR画像に対して、正確に教師なしで浮遊情報を抽出することができ、分類精度は85%より高く、古典的な教師なしアルゴリズムより明らかに優れており、モデルの有効性を検証した。結論:提案したモデルはテクスチャ特徴、空間特徴と輪郭特徴を十分に統合し、有効にスペックル雑音干渉情報抽出の問題を解決し、異なるタイプのSARリモートセンシング画像に対して、複雑な海洋背景において有効な教師なし浮遊情報の抽出を実現できる。それは,海水養殖の自動モニタリングの精度を改善することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 現地調査 ,  アルゴリズム ,  浮遊 ,  *画像 ,  *養殖 ,  モデル ,  画素 ,  合成開口レーダ ,  海水 ,  雑音 ,  海域
準シソーラス用語： リモートセンシング画像 ,  テクスチャ ,  スペックル雑音 ,  *SAR画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： floating raft aquaculture ,  synthetic aperture radar (SAR) ,  unsupervised ,  local binary pattern ,  statistical region merging

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  レーダ  (ND13010H)

タイトルに関連する用語 (6件)： 一般化 ,  統計 ,  統合 ,  SAR画像 ,  ラフト ,  養殖