文献

J-GLOBAL ID：201702275778724560   整理番号：17A1125912

VHRリモートセンシング画像における教師なし変化検出動的都市環境におけるオブジェクトベースクラスタリングアプローチ【Powered by NICT】

Unsupervised change detection in VHR remote sensing imagery - an object-based clustering approach in a dynamic urban environment

著者 (6件)： Leichtle Tobias (Company for Remote Sensing and Environmental Research (SLU), Kohlsteiner Strasse 5, 81243 Muenchen, Germany) ,  Leichtle Tobias (German Aerospace Center (DLR), German Remote Sensing Data Center (DFD), Muenchner Strasse 20, 82234 Wessling, Germany) ,  Geiss Christian (German Aerospace Center (DLR), German Remote Sensing Data Center (DFD), Muenchner Strasse 20, 82234 Wessling, Germany) ,  Wurm Michael (German Aerospace Center (DLR), German Remote Sensing Data Center (DFD), Muenchner Strasse 20, 82234 Wessling, Germany) ,  Lakes Tobia (Humboldt-Universitaet zu Berlin, Geography Department, Rudower Chaussee 16, 12489 Berlin, Germany) ,  Taubenbock Hannes (German Aerospace Center (DLR), German Remote Sensing Data Center (DFD), Muenchner Strasse 20, 82234 Wessling, Germany)
資料名： International Journal of Applied Earth Observation and Geoinformation  (International Journal of Applied Earth Observation and Geoinformation)
巻： 54  ページ： 15-27  発行年： 2017年 
JST資料番号： W3181A  ISSN： 1569-8432  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)

抄録/ポイント： 変化のモニタリングは,リモートセンシングの最も重要な固有の能力の一つである。利用可能な超高解像度(VHR)リモートセンシング画像の着実に増加量は高度に自動化された方法を必要とし,従って,変化検出のための概念は,教師なし。添加では,この課題を解決する新しい方法は,異なるセンサにより取得したリモートセンシングデータを扱うことができるべきである。それによって,特に急速に複雑な都市環境を変化させることで,VHRデータに存在する詳細の高レベルは,変化検出のためのオブジェクトベース概念の展開を示した。本論文では,個々の建物に焦点を当てた教師なし変化検出のための新しいオブジェクトベース手法を提示した。最初に,関連した主成分の数を決定するためのユニークな方法とともに主成分分析は変化検出に対する先行状態検出問題として行った。第二,k-平均クラスタリングは,変化と非変化建築物の識別に適用した。このようにして,多時期VHRデータから導かれることをオブジェクトベース差特徴のいくつかのグループは,変化検出のためのそれらの識別特性に関して評価した。添加では,異なるセンサにより獲得されたVHRデータを用いた場合の逸脱視野幾何学の影響を定量化した。全体として,提案したワークフローは0.8 0.9のκ統計のために,特徴の異なるグループ,動的都市環境における教師なし変化検出のためのその適合性を発揮するのを超えた実行可能な結果を示した。異なるセンサからの画像に関しては,逸脱視野幾何がκ統計によると0.04までのため,提案した方法のロバスト性を強調しの変化検出結果を悪化させわずかにことが分かった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： センサ ,  ロバスト性 ,  *クラスタ化 ,  *リモートセンシング ,  ワークフロー ,  適応性 ,  高速度 ,  *都市環境 ,  幾何学 ,  自動化 ,  *画像 ,  主成分分析
準シソーラス用語： リモートセンシングデータ ,  *変化検出 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (6件)： 変化検出 ,  オブジェクトベース画像解析 ,  主成分分析 ,  クラスタリング ,  超高解像度(VHR)リモートセンシング ,  都市環境

分類 (2件)： リモートセンシング一般  (AD04000L) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  教師 ,  変化検出 ,  都市環境