意味セグメントを持つ文脈的誘導超高分解能画像分類【Powered by NICT】

Zhao Wenzhi; Du Shihong; Wang Qiao; Emery William J.

文献

J-GLOBAL ID：201702249012462212 整理番号：17A1548674

意味セグメントを持つ文脈的誘導超高分解能画像分類【Powered by NICT】

Contextually guided very-high-resolution imagery classification with semantic segments

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1548674&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1548674&from=J-GLOBAL&jstjournalNo=H0048A") }}

著者 (4件)： , , ,
資料名：
巻： 132 ページ： 48-60 発行年： 2017年
JST資料番号： H0048A ISSN： 0924-2716 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

画像オブジェクト間の関係と依存性を明らかにし,コンテキスト情報は,超高分解能(VHR)リモートセンシング画像の解釈のための最も重要な情報の一つである。過去10年間に,地理オブジェクトベース画像解析(GEOBIA)法を用いて,最初の画像を均一な部分にし,画像セグメントの性質に応じて意味論的ラベルを割り当てるために広く使用されている。しかし,VHR画像の複雑さと不均一性のために,低レベル特徴を用いて生成された意味論的ラベル(すなわち,セマンティック自由セグメント)のないセグメントはしばしば地理エンティティ(建物の屋根は通常煙突/アンテナ/影の部分に分割されるような)を表現するために失敗する。その結果,意味論的自由セグメントを用いた場合には,地理エンティティを越えた文脈的情報を獲得することは困難である。低レベル特徴とは対照的に,より高いレベルで地理的エンティティを表現するために「深い」の特徴は,正確なラベル(すなわち,意味セグメント)を用いたロバストなセグメントを構築するために用いることができる。これらの意味セグメントに基づいて,意味グラフはVHR画像における文脈情報を捕捉するために構築することができる。本論文では,意味的セグメントは最初の畳込みニューラルネットワーク(CNN)を用いて検討し,条件付き確率場(CRF)モデルを用いて,意味論的セグメント間の文脈情報をモデル化するために適用した。二つの挑戦的なVHRデータセット(すなわち,Vaihingenと北京シーン)上での実験結果により,提案した方法は,分類性能(総合精度は82%から96%まで)で既存の画像分類技術よりも改良されていることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

図形・画像処理一般 , 地形データの処理

, , , , ,

前のページに戻る