文献

J-GLOBAL ID：201802217030296605   整理番号：18A0650848

多様体学習に基づく高解像度SAR画像構築区の抽出方法【JST・京大機械翻訳】

Research on methods of building area extraction from high resolution SAR image based on manifold learning

著者 (3件)： Cui Shiai (中国科学院遥感与数字地球研究所,北京 100094;中国科学院大学,北京 100094) ,  Cheng Bo (中国科学院遥感与数字地球研究所,北京,100094) ,  Liu Yueming (中国科学院遥感与数字地球研究所,北京 100094;中国科学院大学,北京 100094)
資料名： Guotu Ziyuan Yaogan  (Guotu Ziyuan Yaogan)
巻： 29  号： 4  ページ： 48-56  発行年： 2017年 
JST資料番号： C2688A  ISSN： 1001-070X  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： 高空間分解能(高分解能)SAR画像は高次元非線形特徴を有し、高次元空間に含まれる低次元多様体でSAR画像を記述することは、ターゲット識別に有利である。多様体学習を高次元SARターゲット認識の特性表現に適用することにより,新しい高分解能SAR画像抽出法を提案した。最初に,高分解能SAR画像を前処理した。次に,グレイレベル共起行列(GLCM)を用いて8種類のテクスチャ特徴を抽出し,グレースケール画像と共にSAR画像の高次元特徴集合を構築した。高次元特徴集合の特徴抽出を,適応可能な近傍選択の近傍保存(adaptive neighborhood selection neighborhoods preserving embedding,ANSNPE)アルゴリズムを用いて行った。新しい特徴を抽出した。最後に,閾値のセグメンテーションと後処理により建築地域を抽出し,精度評価を行った。実験結果により,ANSNPEアルゴリズムは,高分解能SAR画像から効果的に建築領域を抽出することができ,そして,強い一般化能力を持つことが示された。訓練データによって得られた投影行列は,新しいサンプルに直接適用され,建築地域の抽出精度は85%以上に達した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 高次元 ,  前処理 ,  *多様体 ,  アルゴリズム ,  セグメンテーション ,  後処理 ,  物体認識 ,  特徴抽出 ,  *高分解能
準シソーラス用語： 訓練データ ,  精度評価 ,  テクスチャ特徴 ,  共起行列 ,  *SAR画像 ,  *多様体学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： high -resolution SAR ,  manifold learning ,  adaptive neighborhood selection neighborhood preserving embedding( ANSNPE) ,  building extraction

分類 (5件)： パターン認識  (JE07000S) ,  レーダ  (ND13010H) ,  腫ようの診断  (GE03020J) ,  気象学一般  (DC05010D) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 多様体学習 ,  高解像度 ,  SAR画像 ,  構築