文献

J-GLOBAL ID：201702281904949446   整理番号：17A1054788

高分解能リモートセンシング画像を使った,沿岸船舶検出のための決定混合モデルに基づく方法

A Decision Mixture Model-Based Method for Inshore Ship Detection Using High-Resolution Remote Sensing Images

著者 (5件)： BI Fukun (North China Univ. Technol., Beijing, CHN) ,  CHEN Jing (North China Univ. Technol., Beijing, CHN) ,  ZHUANG Yin (Beijing Inst. of Technol., Beijing, CHN) ,  BIAN Mingming (Beijing Inst. of Spacecraft System Engineering, Beijing, CHN) ,  ZHANG Qingjun (Beijing Inst. of Spacecraft System Engineering, Beijing, CHN)
資料名： Sensors (Web)  (Sensors (Web))
巻： 17  号： 7  ページ： WEB ONLY  発行年： 2017年07月 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 光リモートセンシング衛星の開発に伴い,大規模リモートセンシング画像を使った船舶の検出と特定が重要な海事研究テーマになっている。伝統的な外航船舶検出に比べて,港湾の動的監視と海事管理における沿岸船舶検出が関心を集めている。しかしながら港湾環境は複雑で,グレーゾーン情報に加えて停泊船舶と隣接ドック領域の間でテクスチャー特徴が識別できないことから,たいていの検出方法は,計算効率と検出正確さが制限されている。本論文では,効率的な候補走査戦略と正確な候補特定混合モデルを組み合わせた,複雑な港湾域における沿岸船舶検出のための階層的方法を紹介した。最初の候補領域抽出段階では,水陸区分画像から候補領域を抽出する,無指向性交差二次元走査(OITDS)戦略を設計した。候補領域特定段階では,候補物体から実船舶を特定する決定混合モデル(DMM)を提案した。船舶の多様性に関する頑健さを改良するために,変形部分モデル(DPM)を採用して,重要部分下位モデルと全船舶下位モデルを訓練した。更に,特定の正確さを改良するため,周辺相関背景下位モデルを構築した。最後に,候補領域特定の正確さを向上させるため,提案したDMMにこれら三つの下位モデルを一体化した。多数の大規模港湾リモートセンシング画像で実験を行い,結果から,提案方法が高い検出正確さと高速計算効率を持つことを示した。(翻訳著者抄録)

シソーラス用語： *高分解能 ,  *リモートセンシング ,  *画像 ,  *沿岸 ,  *意思決定 ,  *モデル ,  *混合 ,  *船舶 ,  *物体認識 ,  *変形 ,  *部品 ,  港湾 ,  監視 ,  テクスチャ処理 ,  *パターン分類 ,  *画像認識 ,  効率 ,  測定精度 ,  セグメンテーション ,  多様性 ,  ロバスト性
準シソーラス用語： リモートセンシング画像 ,  *決定混合モデル ,  *変形部品モデル ,  計算効率

分類 (2件)： リモートセンシング一般  (AD04000L) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 高分解能 ,  リモートセンシング画像 ,  沿岸 ,  船舶 ,  混合モデル