文献

J-GLOBAL ID：201802226382195585   整理番号：18A1072361

混合雑音推定のための周波数ベース類似性によるハイパースペクトル画像セグメンテーション【JST・京大機械翻訳】

Hyperspectral Image Segmentation via Frequency-Based Similarity for Mixed Noise Estimation

著者 (3件)： Fu Peng (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Sun Xin (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Sun Quansen (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 12  ページ： 1237  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： ハイパースペクトル(HS)画像からの信号独立(SI)と信号依存(SD)混合雑音の正確な近似は,均一領域の検出が重要な役割を果たす多くの画像処理応用のための重要なタスクである。従来の方法のほとんどは,画像を矩形ブロックに経験的に分割し,次に,均一なものを選択するが,それは,特に高度にテクスチャ化されたHS画像に対して,誤った均一性検出をもたらす可能性がある。この課題に対処するために,本論文では,超画素セグメンテーションアルゴリズムを提案した。これは,雑音のあるHS画像を,局所構造に付着するパッチに分解し,均一な特性を維持することができる。新しいスペクトル類似性測度を周波数領域で定義し,超画素セグメンテーションアルゴリズムを混合雑音に対してよりロバストにした。改善された散乱体ベースの均一な超画素選択と多重線形回帰ベースの雑音パラメータ計算を組み合わせて,著者らの方法は,異なる雑音条件と様々な画像複雑さを有するHS画像からSDとSI雑音分散を正確に推定することができた。著者らは,合成および実際の航空機搭載可視/赤外イメージング分光計(AVIRIS)HS画像の両方を用いて,提案した方法を評価した。実験結果は,提案した雑音推定法が最先端の方法より優れていることを実証した。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： ロバスト性 ,  画素 ,  周波数領域 ,  *雑音 ,  *画像 ,  測度 ,  赤外線 ,  *スペクトル ,  *類似性 ,  画像処理 ,  *セグメンテーション ,  *周波数
準シソーラス用語： *ハイパースペクトル画像 ,  *ハイパースペクトル ,  *雑音推定 , 【Automatic Indexing@JST】

著者キーワード (6件)： ハイパースペクトル画像 ,  騒音評価 ,  混合雑音 ,  超画素セグメンテーション ,  スペクトル類似性 ,  周波数領域

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (35件)：

• Gao, L.; Zhao, B.; Jia, X.; Liao, W.; Zhang, B. Optimized kernel minimum noise fraction transformation for hyperspectral image classification. Remote Sens. 2017, 9, 548.
• Li, J.; Yuan, Q.; Shen, H.; Zhang, L. Noise removal from hyperspectral image with joint spectral-spatial distributed sparse representation. IEEE Trans. Geosci. Remote Sens. 2016, 54, 5425-5439.
• He, W.; Zhang, H.; Zhang, L.; Shen, H. Hyperspectral image denoising via noise-adjusted iterative low-rank matrix approximation. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2015, 8, 3050-3061.
• Tang, Z.; Fu, G.; Chen, J.; Zhang, L. A unified model of noise estimation, band rejection, and de-noising for hyperspectral images. Int. J. Remote Sens. 2016, 37, 1319-1348.
• Jia, S.; Tang, G.; Zhu, J.; Li, Q. A novel ranking-based clustering approach for hyperspectral band selection. IEEE Trans. Geosci. Remote Sens. 2016, 54, 88-102.

タイトルに関連する用語 (4件)： 雑音推定 ,  類似性 ,  ハイパースペクトル画像 ,  セグメンテーション