文献

J-GLOBAL ID：201702252127322651   整理番号：17A1784652

統計的検定に基づくオブジェクト指向高分解能リモートセンシング画像の森林変化検出【JST・京大機械翻訳】

Statistical Object-Based Method for Forest Change Detection Using High-Resolution Remote Sensing Images

著者 (2件)： Li Chungan (广西大学林学院 南寧 530004) ,  Dai Huabing (广西林業勘測設計院 南寧 530011)
資料名： Linye Kexue  (Linye Kexue)
巻： 53  号： 5  ページ： 74-81  発行年： 2017年 
JST資料番号： C2424A  ISSN： 1001-7488  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】本論文は,統計的試験に基づくオブジェクト指向高分解能衛星リモートセンシング画像における森林の変化を自動的に検出し,森林の変化情報を正確に,迅速かつ効率的に収集し,森林資源データベースを更新するための効果的方法を提供することを目的とした。[方法]本研究では,森林地(土地被覆)の変化が頻繁で,変化が少なく,広西チワン族自治区の上部地域を研究地域とし,2013年12月の3番目の衛星画像,2015年1月の高い衛星画像と2013年の小班図をデータ源として用いた。本論文は,統計的試験に基づくオブジェクト指向の森林変化検出法について研究した。1)二相画像のマルチスケールセグメンテーションを行い,画像の対象(画像)の各バンドにおけるグレースケールの平均値と標準偏差を抽出した。2)二つの状態図の平均値と標準偏差の差の頻度は正規分布を示し,画像の平均値と標準偏差の差を用いて,カイ二乗分布に従う確率変数を構築した。3)仮説検定により,事前に1つの信頼度を与えた後,自動的に反復的な反復計算プロセスにより統計的に異常な変化パターンを検出する。[結果]1)事前に与えられた信頼度に対して,検出された変化グラフの数は,反復回数の増加とともに急速に減少した。2)信頼度がそれぞれ0.95,0.98,0.99および0.999のとき,25,23,20および15回の反復により,すべての変化パターンを検出し,反復回数は信頼度の増加とともに減少した。3)信頼度が0.95~0.99の時、信頼度が高くなるにつれて、漏れ率が高くなり、誤検出率が低下し、全体の精度が向上した。4)信頼度が0.99のときに,全体の精度は92.6%に達し,カッパ係数は0.764 8であり,検出結果は最も良かった。【結語】統計的試験に基づくオブジェクト指向高分解能リモートセンシング画像の森林変化検出法は,厳密な統計的基礎を持ち,直接的に画像を計算し,訓練サンプルを確立する必要がなく,すべての外来情報を必要とせず,自動検出を必要としない。また、検出効果は良好で、森林(土地)の変化検出において、良好な応用前景がある。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *高分解能 ,  データベース ,  土地 ,  仮説検定 ,  標準偏差 ,  土地被覆 ,  正規分布 ,  信頼度 ,  衛星利用画像 ,  銅 ,  *画像
準シソーラス用語： 自動検出 ,  *変化検出 ,  *リモートセンシング画像 ,  *オブジェクト指向 , 【Automatic Indexing@JST】

著者キーワード (4件)： forest change detection ,  image segmentation ,  statistical test ,  chi square distribution

分類 (2件)： 植物分類学  (EH01030N) ,  都市問題,都市防災  (RD01030O)

タイトルに関連する用語 (6件)： 統計的検定 ,  オブジェクト指向 ,  高分解能 ,  リモートセンシング画像 ,  森林 ,  変化検出