抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】