文献

J-GLOBAL ID：201802216828246829   整理番号：18A0028489

超スペクトル画像混合解除のための空間重み付きスパース回帰【Powered by NICT】

Spatial weighted sparse regression for hyperspectral image unmixing

著者 (5件)： Zhang Shaoquan (Guangdong Key Laboratory for Urbanization and Geo-Simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou, 510275, China) ,  Li Jun (Guangdong Key Laboratory for Urbanization and Geo-Simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou, 510275, China) ,  Plaza Javier (Hyperspectral Computing Laboratory, Department of Technology of Computers and Communications, Escuela Polite ́cnica, University of Extremadura, Ca ́ceres, E-10071, Spain) ,  Li Heng-Chao (Sichuan Provincial Key Laboratory of Information Coding and Transmission, Southwest Jiaotong University, Chengdu 610031, China) ,  Plaza Antonio (Hyperspectral Computing Laboratory, Department of Technology of Computers and Communications, Escuela Polite ́cnica, University of Extremadura, Ca ́ceres, E-10071, Spain)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IGARSS  ページ： 225-228  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： ハイパースペクトルデータのスパース非混合は端成分の画分的豊度を推定することを目的としている(純粋なスペクトル成分)重要な技術である。スパース性強制はスパース非混合方法に必要な過程になることが知られている。ハイパースペクトル画像におけるスパース性をより良く活用するために,二重再重みづけスパース非混合アルゴリズムが提案されている。しかし,空間情報を組み込んだ完全なしハイパースペクトルデータを解析することに焦点を当てた。この限界に対処するために,空間重み付きスパース非混合(SWSU)アルゴリズムを提案した,これは空間情報の完全な利点を取り込み,そして,更に,存在度のスパース性を向上させることができる。これは二重再重みづけスパース非混合定式化への局所近傍量を組み込むことで行った。模擬ハイパースペクトルデータセット上での実験結果により,本論文で導入したスパース非混合のための空間重み付け戦略の良好な可能性,豊度推定結果を大きく改善できるを明らかにした。Copyright 2018 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： *透視図法 ,  定式化 ,  *スペクトル ,  アルゴリズム ,  重みづけ ,  *スペクトル画像
準シソーラス用語： 空間情報 ,  ハイパースペクトル画像 ,  スパース性 ,  端成分 ,  ハイパースペクトルデータ , 【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 (1件)： スペクトル画像