文献

J-GLOBAL ID：201802211178069702   整理番号：18A0675649

PCAに基づくハイパースペクトルリモートセンシング画像分類【JST・京大機械翻訳】

Principal component analysis for hyper spectral image classification

著者 (3件)： Song Haifeng (東北林業大学 信息与計算机工程学院,黒竜江 哈爾浜 150040;黒竜江工程学院 計算机科学与技術学院,黒竜江 哈爾浜 150050) ,  Chen Guangsheng (東北林業大学 信息与計算机工程学院,黒竜江 哈爾浜,150040) ,  Yang Weiwei (黒竜江工程学院 計算机科学与技術学院,黒竜江 哈爾浜 150050;哈爾浜工程大学 計算机科学与技術学院,黒竜江 哈爾浜 150001)
資料名： Cehui Gongcheng  (Cehui Gongcheng)
巻： 26  号： 12  ページ： 17-20,26  発行年： 2017年 
JST資料番号： C2876A  ISSN： 1006-7949  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： ハイパースペクトルリモートセンシング画像の出現はさらにリモートセンシング画像分類の正確さを向上させるが、ハイパースペクトルリモートセンシング画像のデータ量が大きく、ハイパースペクトル画像の複雑さが高く、効率が低い。この問題を解決するため、主成分分析アルゴリズムをリモートセンシング画像分類の前処理技術とする。主成分分析アルゴリズムの原理を分析し、主成分分析アルゴリズムを用いて、ハイパースペクトル画像の主なバンド画像を抽出した。実験結果により,以下の結論を得た。ハイパースペクトルリモートセンシング画像の主なバンド画像は分類に必要な大部分の情報を含み、少数の主バンド画像を利用すれば、70%以上の分類正確率を達成できる。実験結果は,分類精度が保証されるという前提において,PCAアルゴリズムが画像分類処理のデータ量を効果的に減らし,画像処理効率を改善できることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  アルゴリズム ,  画像処理 ,  主成分分析 ,  *画像
準シソーラス用語： 分類精度 ,  ハイパースペクトル画像 ,  データ量 ,  *リモートセンシング画像 ,  *画像分類 ,  *ハイパースペクトル・リモートセンシング , 【Automatic Indexing@JST】

著者キーワード (4件)： hyper spectral ,  remote sensor images ,  principal component analysis ,  image classification

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： PCA ,  ハイパースペクトルリモートセンシング ,  画像分類