文献

J-GLOBAL ID：201802221437729710   整理番号：18A1073367

マルチスペクトルリモートセンシング画像クラスタリングのためのスペクトル指数と空間情報を統合した強化型IT2FCM*アルゴリズム【JST・京大機械翻訳】

An Enhanced IT2FCM* Algorithm Integrating Spectral Indices and Spatial Information for Multi-Spectral Remote Sensing Image Clustering

著者 (2件)： Guo Jifa (School of Geographic and Environmental Sciences, Tianjin Key Laboratory of Water Resources and Environment, Tianjin Normal University, Tianjin 300387, China) ,  Huo Hongyuan (Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture/Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 9  ページ： 960  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： リモートセンシングデータ分類のための間隔タイプ-2ファジィc-平均(IT2FCM)クラスタリング法は,間隔タイプ-2ファジィ集合に基づいており,メンバシップグレードの不確実性を効果的に扱うことができる。しかしながら,これらの方法のほとんどは,画像クラスタリングに使用されるとき,空間情報を無視する。空間情報とスペクトル指標はリモートセンシングデータ分類に有用である。したがって,分類の品質と精度を改善するためにIT2FCMにそれらを統合する方法を決定することは非常に重要である。本論文は,リモートセンシングデータ分類のために空間情報とスペクトル指数を結合することによって,強化IT2FCM*(EnIT2FCM*)アルゴリズムを提案した。最初に,新しい包括的空間情報を,局所的空間距離と属性距離またはメンバシップ-等級距離の組合せとして定義した。次に,この新しい空間情報と選択したスペクトル指標を結合することにより,新しい距離計量を提案した。これらの選択されたスペクトル指数は,この距離計量における別のデータセットとして扱われる。EnIT2FCM*アルゴリズムの有効性をテストするために,混乱マトリックスとカッパ係数に沿った4つの典型的妥当性指数を用いた。実験結果は,ここで提案した空間情報定義が効果的であり,いくつかのスペクトル指数とそれらの組合せがEnIT2FCM*の性能を改善することを示した。したがって,適切なスペクトル指数の選択は重要であり,土壌調整植生指数(SAVI)と自動水抽出指数(AWEEI)の組合せは,この方法のためのスペクトル指標の最良の選択である。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *スペクトル ,  不確実性 ,  *アルゴリズム ,  銅 ,  *リモートセンシング ,  曖昧さ ,  カオス ,  距離計 ,  品質 ,  ファジィ集合
準シソーラス用語： ファジィクラスタリング ,  植生指標 ,  リモートセンシングデータ ,  *空間情報 ,  *スペクトル指数 , 【Automatic Indexing@JST】

著者キーワード (6件)： 区間タイプ2ファジィ集合 ,  ファジィクラスタリング ,  分類 ,  Sentinel-2 ,  リモートセンシング ,  マルチスペクトルリモートセンシング

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (50件)：

• Bezdek, J.C.; Ehrlich, R.; Full, W. FCM: The fuzzy c-means clustering algorithm. Comput. Geosci. 1984, 10, 191-203.
• John, R.; Coupland, S. Type-2 fuzzy logic: A historical view. IEEE Comput. Intell. Mag. 2007, 2, 57-62.
• De Carvalho, F.D.A.T.; Tenório, C.P. Fuzzy K-means clustering algorithms for interval-valued data based on adaptive quadratic distances. Fuzzy Sets Syst. 2010, 161, 2978-2999.
• Yu, X.; He, H.; Hu, D.; Zhou, W. Land cover classification of remote sensing imagery based on interval-valued data fuzzy c-means algorithm. Sci. China Earth Sci. 2014, 57, 1306-1313.
• Hwang, C.; Rhee, F.C.H. Uncertain fuzzy clustering: Interval type-2 fuzzy approach to C-means. IEEE Trans. Fuzzy Syst. 2007, 15, 107-120.

タイトルに関連する用語 (7件)： マルチスペクトル ,  リモートセンシング ,  画像クラスタリング ,  スペクトル指数 ,  空間情報 ,  統合 ,  強化