文献

J-GLOBAL ID：201802229727294384   整理番号：18A1902016

完全接続CRFに基づく高分解能リモートセンシング画像からの相互作用抽出領域オブジェクトの方法【JST・京大機械翻訳】

A Method of Interactively Extracting Region Objects from High-Resolution Remote Sensing Image Based on Full Connection CRF

著者 (3件)： Chunsen Zhang (College of Geomatics, Xi’an University of Science and Technology) ,  Zhen Yu (College of Geomatics, Xi’an University of Science and Technology) ,  Yan Hu (College of Geomatics, Xi’an University of Science and Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： PRRS  ページ： 1-6  発行年： 2018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： 高分解能リモートセンシング画像の領域オブジェクトを目的として,本論文は,完全に接続された条件付きランダムフィールドに基づく高分解能リモートセンシング画像のためのインタラクティブ領域オブジェクト抽出法を提案した。本方法は,人工的相互作用標識によって前景モデルを推定した。SLICアルゴリズムを用いて入力画像を分割し,色とテクスチャ特徴を組み合わせて,領域ベース最大類似性融合(MSRM)を用いて前景領域を拡大し,全接続条件付きランダム場記述画像の大域情報を確立した。次に,平均場推定に基づいて,モデル推論を高次元Gaussフィルタリング法によって実現し,次に,面積特徴の輪郭を得た。実験結果は,この方法が,高分解能リモートセンシング画像上の水,森林地,段丘,および裸地のような面積特徴を抽出することによって効果的であることを示した。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】

シソーラス用語： *高分解能 ,  高次元 ,  Gaussフィルタ ,  *相互作用 ,  アルゴリズム ,  類似性 ,  *画像
準シソーラス用語： 裸地 ,  モデル推論 ,  テクスチャ特徴 ,  前景 ,  物体抽出 ,  確率場 ,  *リモートセンシング画像 , 【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 (5件)： CRF ,  高分解能 ,  リモートセンシング画像 ,  相互作用 ,  オブジェクト