文献

J-GLOBAL ID：201802236038386527   整理番号：18A0822614

ハイパースペクトル画像可視化のための制約付き多様体学習【JST・京大機械翻訳】

Constrained Manifold Learning for Hyperspectral Imagery Visualization

著者 (3件)： Liao Danping (Institute of Artificial Intelligence, College of Computer Science, Zhejiang University, Hangzhou, China) ,  Qian Yuntao (Institute of Artificial Intelligence, College of Computer Science, Zhejiang University, Hangzhou, China) ,  Tang Yuan Yan (Faculty of Science and Technology, University of Macau, Macau, China)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 11  号： 4  ページ： 1213-1226  発行年： 2018年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  資料種別： 逐次刊行物 (A)
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： 三色モニタ上のハイパースペクトル画像(HSI)における多数のバンドを表示することは,HSI処理と解析システムにとって重要である。可視化画像は元のHSIから可能な限り多くの情報を伝達し,画像解釈を容易にする。しかし,ほとんどの既存の方法は,ユーザの経験と期待と矛盾する偽の色でHSIsを表示する。本論文では,HSIの多様体構造を保存するだけでなく,自然色を持つ可視化画像を学習することを目的とした,制約付き多様体学習に基づく可視化手法を提案した。多様体学習は,類似の色で置き換えられる類似の特徴を持つ画素を強制することにより,画像構造を保存する。組込み空間におけるHSIの空間的およびスペクトル的情報の両方を組み込むために,複合カーネルを多様体学習に適用した。出力画像の色は,HSI自身(例えば,可視波長からのバンド選択)から生成されるか,あるいは分離されたデバイスによって捕捉されることができる,対応する自然に見えるRGB画像によって制約される。この方法は,インスタンスレベルと特徴レベルで行うことができる。瞬時レベル学習は,HSIにおける画素に対するRGB座標を直接獲得し,一方,特徴レベル学習は,高次元スペクトル空間からRGB空間への明示的写像関数を学習する。実験結果は,情報保存と自然色可視化における提案方法の利点を実証した。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： *画像 ,  波長 ,  写像 ,  *学習 ,  高次元 ,  情報蓄積 ,  *多様体 ,  *スペクトル ,  *可視化 ,  監視装置 ,  画素 ,  画像認識
準シソーラス用語： 画像構造 ,  *多様体学習 ,  *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 (4件)： ハイパースペクトル画像 ,  可視化 ,  制約 ,  多様体学習