文献

J-GLOBAL ID：201802235067285092   整理番号：18A0443652

ハイパースペクトル画像におけるターゲット検出の新しいフレームワーク【Powered by NICT】

A new framework of target detection in hyperspectral images

著者 (5件)： Li Yanshan (ATR National Key Lab. of Defense Technology, Shenzhen University, Shenzhen, China) ,  Xu Jianjie (ATR National Key Lab. of Defense Technology, Shenzhen University, Shenzhen, China) ,  Chen Yayuan (College of Information Engineering, Shenzhen University, Shenzhen 518060, China) ,  Kong Zhoufan (School of Electronic and Information Engineering, South China University of Technology, Guangzhou 510641, China) ,  Huang Qinghua (College of Information Engineering, Shenzhen University, Shenzhen 518060, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICARM  ページ： 144-148  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画像(HSI)は多くの分野で広く使用されている,特にリモートセンシング分野である。伝統的なリモートセンシングHSIと比較して,ビッグデータと大きなサイズを持つ大規模および高分解能HSI(LHHSI)は,空間ドメインとスペクトルドメインの両方で高分解能。しかし,自動ターゲット検出の従来の方法はLHHSIには適用されない。そこで本論文では,空間スペクトル関心点(SSIP)に基づくLHHSIのための自動ターゲット検出の新しいフレームワークを提案した。五キーステップを含んでいる。LHHSIのバンド選択はLHHSIsのスペクトル次元を低減するために使用されている。第二に,LHHSIsからSSIPs候補を抽出した。第三に,著者らは多くの選択された重要なSSIPsのスペクトル曲線を用いて潜在的標的領域が存在するかどうかを決定する必要がある。次に,潜在的標的領域を含む画像は四分木セグメンテーションを用いた画像ブロックに分割し,次に各画像ブロックを選択SSIPsに基づくBoWモデルとベクトルにより表現される。最後に,これらの画像ブロックは,SVMを分類した。分類中,結果は,必要とするものであるならば,現在のブロックの四分木セグメンテーションが終了する予定である。実験結果は,提案したアルゴリズムが従来のアルゴリズムよりも優れた性能を持つことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  ベクトル ,  高分解能 ,  *画像 ,  分解能 ,  *スペクトル ,  四分木 ,  セグメンテーション ,  リモートセンシング ,  スペクトル次元
準シソーラス用語： スペクトル曲線 ,  関心領域 ,  ビッグデータ ,  *ターゲット検出 ,  *ハイパースペクトル画像 , 【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 (3件)： ハイパースペクトル画像 ,  ターゲット検出 ,  フレームワーク