文献

J-GLOBAL ID：201702272198033336   整理番号：17A1567806

ハイパースペクトル画像分類のための深い完全畳込みネットワークに基づく空間分布予測【Powered by NICT】

Deep Fully Convolutional Network-Based Spatial Distribution Prediction for Hyperspectral Image Classification

著者 (6件)： Jiao Licheng (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education of China, International Research Center of Intelligent Perception and Computation, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Liang Miaomiao (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education of China, International Research Center of Intelligent Perception and Computation, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Chen Huan (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education of China, International Research Center of Intelligent Perception and Computation, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Yang Shuyuan (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education of China, International Research Center of Intelligent Perception and Computation, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Liu Hongying (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education of China, International Research Center of Intelligent Perception and Computation, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Cao Xianghai (Key Laboratory of Intelligent Perception and Image Understanding of the Ministry of Education of China, International Research Center of Intelligent Perception and Computation, School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 10  ページ： 5585-5599  発行年： 2017年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 既存空間スペクトルベースハイパースペクトル画像分類(HSIC)法の大部分は主に小さな近傍の画素を配合したり,統計的および形態学的特徴を集めることにより空間-スペクトル情報を抽出した。しかし,これら戦略は高いクラス間類似性と空間ダイバーシチを用いたクラスに対する制限された代表的な能力を持つ浅い外見特徴を生成し,したがって分類精度を減少させることができる。この目的のために,著者らは,深いマルチスケール空間スペクトル特徴抽出アルゴリズムと名付けた新しいHSIC枠組みHSICの学習有効判別特徴に焦点を当てたを示した。VGG verydeep16に基づいて良くpretrained深い完全畳込みネットワークを紹介し提案したハイパースペクトル画像処理フレームワークにおける潜在的深部マルチスケール空間構造情報を掘削することである。スペクトル特徴と深いマルチスケール空間特徴は,加重融合法を採用することにより融合した。最後に,融合特徴は,ピクセルごと分類を得るために一般的な分類器に置いた。既存のスペクトル空間ベース分類技術と比較して,提案した方法が最先端の性能を提供し,より効果的であり,特に高非線形分布と空間ダイバーシチを持つ画像。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： *ネットワーク ,  立体構造 ,  *空間分布 ,  *画像 ,  学習 ,  *スペクトル ,  アルゴリズム ,  類似性 ,  *畳込み ,  画素 ,  空間ダイバーシチ
準シソーラス用語： *ハイパースペクトル画像 ,  スペクトル特徴 ,  マルチスケール ,  分類精度 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  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 ,  畳込み ,  空間分布 ,  予測