文献

J-GLOBAL ID：201802239578214394   整理番号：18A2039284

局所性と構造制約付き低ランク表現によるスペクトル空間ハイパースペクトル画像分類【JST・京大機械翻訳】

Spectral-Spatial Hyperspectral Image Classification via Locality and Structure Constrained Low-Rank Representation

著者 (3件)： He Xiang (School of Computer Science, Center for OPTical IMagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, Shaanxi, 710072, P. R. China) ,  Wang Qi (School of Computer Science, Center for OPTical IMagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, Shaanxi, 710072, P. R. China) ,  Li Xuelong (Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, Shaanxi, 710119, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 5744-5747  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： 低ランク表現(LRR)は,高次元データにおける低次元部分空間埋込みを調べるためのかなりの能力により,多くの分野で広く適用されてきた。しかし,LRRは局所構造を効果的に利用できず,与えられたデータに対する表現は十分に識別できないという問題がある。上記の問題に取り組むために,ハイパースペクトル画像(HSI)分類のための新しい局所性と構造制約付き低ランク表現(LSLRR)を提案した。最初に,スペクトルと空間類似性を結合した距離計量を提案し,局所構造を制約した。これは,小さい距離を有するHSIにおける2つの画素を高い類似性を有する。第二に,訓練データに対する分類ブロック対角構造を利用し,試験データに対するより判別的な表現を学習した。そして,実験結果は,他の最先端の方法と比較してLSLRRの有効性と優位性を検証した。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： 類似性 ,  画素 ,  *スペクトル ,  *局所性 ,  距離計
準シソーラス用語： 試験データ ,  訓練データ ,  *ハイパースペクトル画像 ,  局所構造 ,  部分空間 ,  低次元 ,  高次元データ ,  ハイパースペクトル画像分類 , 【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)： 局所性 ,  制約 ,  表現 ,  スペクトル ,  ハイパースペクトル画像分類