文献

J-GLOBAL ID：201802243025116512   整理番号：18A2022163

二重深度スパース確率潜在意味解析に基づくハイパースペクトル非混合【JST・京大機械翻訳】

Hyperspectral Unmixing Based on Dual-Depth Sparse Probabilistic Latent Semantic Analysis

著者 (4件)： Fernandez-Beltran Ruben (Institute of New Imaging Technologies, University Jaume I, Castello ́ de la Plana, Spain) ,  Plaza Antonio (Hyperspectral Computing Laboratory, University of Extremadura, Caceres, Spain) ,  Plaza Javier (Hyperspectral Computing Laboratory, University of Extremadura, Caceres, Spain) ,  Pla Filiberto (Institute of New Imaging Technologies, University Jaume I, Castello ́ de la Plana, Spain)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 56  号： 11  ページ： 6344-6360  発行年： 2018年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 本論文では,リモートセンシングハイパースペクトルデータのスペクトル非混合のための新しいアプローチを提案した。スペクトル特徴を同定し,ハイパースペクトル画像から分数豊度を推定するとき,潜在的トピック空間を意味する意味を利用するために,確率的潜在的トピックを利用する。画像意味論をカバーするためのトピックモデルの対比可能性にもかかわらず,それらは直接データ分解プロセスとしてハイパースペクトル非混合において単に使用されてきた。これは,スペクトルデータの意味表現を提供するために,それらの実際の能力を制限する。二重深さスパース確率論的潜在的意味解析(DEpLSA)と呼ばれる提案モデルは,非混合問題の不適切な性質を軽減するために,初期スペクトル空間から抽出された意味パターンを利用するために2つの異なるレベルの話題を利用する。言い換えると,DEpLSAは,スペクトルの意味表現を捉えるための深い話題の最初のレベルを定義し,この意味空間上のエンドメンバーと豊度を推定するための第2レベルの制限されたトピックを定義する。2つの標準トピックモデルと文献で利用可能な7つの最先端の非混合法を用いて行った実験的比較を行った。著者らの実験は,4つの異なるハイパースペクトル画像を用いて行い,提案したアプローチが利用可能な非混合アプローチに比べて競争優位性を提供できることを明らかにした。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： モデル ,  リモートセンシング ,  モデリング ,  意味論 ,  確率論 ,  画像 ,  *スペクトル ,  *意味解析
準シソーラス用語： 最先端 ,  潜在的意味解析 ,  意味表現 ,  スペクトルデータ ,  トピックモデル ,  ハイパースペクトル画像 ,  ハイパースペクトルデータ ,  *ハイパースペクトル , 【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)： 深度 ,  確率 ,  意味解析 ,  ハイパースペクトル