文献

J-GLOBAL ID：201702281786567824   整理番号：17A1033054

乗法結合規範線形二次非負行列因数分解による多先鋭化ハイパースペクトルリモートセンシングデータ【Powered by NICT】

Multi-sharpening hyperspectral remote sensing data by Multiplicative Joint-Criterion Linear-Quadratic Nonnegative Matrix Factorization

著者 (5件)： Benhalouche Fatima Zohra (Centre des Techniques Spatiales, 31200 Arzew, Algeria) ,  Karoui Moussa Sofiane (Centre des Techniques Spatiales, 31200 Arzew, Algeria) ,  Deville Yannick (Institut de Recherche en Astrophysique et Plane ́tologie (IRAP), Universite ́ de Toulouse, UPS-OMP, CNRS, 31400, France) ,  Boukerch Issam (Centre des Techniques Spatiales, 31200 Arzew, Algeria) ,  Ouamri Abdelaziz (Universite ́ des Sciences et de la Technologie, 31000 Oran, Algeria)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ECMSM  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 多先鋭化はマルチスペクトル画像を融合したハイパースペクトルと,前者の高空間分解能と後者の高スペクトル分解能をもつ観測画像を生成するためにである。本論文では,スペクトルアンミキシング概念に基づく,新しい融合法を提案した。線形二次スペクトルアンミキシング技術に関連し,線形二次非負行列因数分解に基づく,提案した方法は,新しく設計された掛け算的更新規則を用いた新しい関節基準を最適化した。関節基準を考察画像間の空間分解モデルを利用した。提案した方法を合成データに適用し,その有効性を確立された性能基準を用いて評価した。得られた結果は,提案した方法が良好なスペクトルと空間忠実度を持つ多先鋭化したハイパースペクトルデータが得られることを証明した。これらの結果は,本提案法は検討した多先鋭化文献の手法よりも優れていることを示した。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： 最適化 ,  スペクトル分解 ,  *乗算 ,  画像 ,  *線形性 ,  *スペクトル
準シソーラス用語： ハイパースペクトルデータ ,  性能基準 ,  スペクトルアンミキシング ,  高空間分解能 ,  *ハイパースペクトル ,  マルチスペクトル画像 ,  *規範 ,  *非負行列因子分解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 乗法 ,  規範 ,  線形 ,  非負行列因数分解 ,  先鋭化 ,  ハイパースペクトルリモートセンシング