文献

J-GLOBAL ID：201802212682795758   整理番号：18A2109623

SAR画像における特徴と極端学習機械法に基づく油流出検出【JST・京大機械翻訳】

Oil Spill Detection Based on Features and Extreme Learning Machine Method in SAR Images

著者 (1件)： Lyu Xinrong
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICMCCE  ページ： 559-563  発行年： 2018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： SAR画像処理は,海洋油流出を検出する重要な方法である。検出効率と精度は最も重要な指標である。油漏れをより効率的に検出するために,本論文では,特徴と極端な学習機械法に基づくフレームワークを提案した。テクスチャ特徴は画像処理における関心抽出の領域に対する有効な手法であり,人間の視覚と一致する。グレイレベル共起行列とTamura特徴の両方を,SAR画像から特徴を抽出するために選択する。それは,雑音除去と画像セグメンテーション手順による一般的方法とは異なる。次に,抽出されたすべての特徴を含む特徴ベクトルを構築し,ベクトルを入力として極端な学習機械モデルを訓練する。SAR画像の多くのサンプルの訓練を通して,油漏れ検出のための最終モデルを達成した。本モデルを用いた多くの検出実験は,特徴と極端な学習機械に基づく油漏れ検出フレームワークがより高い精度と効率性を有して,それが実際的応用において実行することができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 海洋 ,  画像処理 ,  視覚 ,  雑音除去 ,  検出効率 ,  *油漏れ ,  ベクトル
準シソーラス用語： 特徴ベクトル ,  画像セグメンテーション ,  共起行列 ,  グレイレベル ,  テクスチャ特徴 ,  *SAR画像 , 【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 (3件)： SAR画像 ,  極端学習機械 ,  油流出