文献

J-GLOBAL ID：201802243557963663   整理番号：18A1772006

レーダ形状反転のための幾何学的変形可能モデルの開発【JST・京大機械翻訳】

Developing a Geometric Deformable Model for Radar Shape Inversion

著者 (2件)： Yildirim Alper (Georgia Institute of Technology, School of Electrical and Computer Engineering, Atlanta, GA) ,  Yezzi Anthony (Georgia Institute of Technology, School of Electrical and Computer Engineering, Atlanta, GA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 6483-6487  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： 本論文では,レーダリターン信号に埋め込まれた形状情報を抽出するレーダベースの高密度シーン再構成モデルを開発した。著者らの方法は,進化する形状に基づいて計算されたフォワードモデルに受信された信号を適合させるように探索する変形可能な形状進化アプローチを使用する。これにより,滑らかさや自己オクルージョンのような問題定式化に形状の幾何学的考察を直接組み込むことができる。前進モデルの下で画像が実際に測定された信号に十分に近くなるまで,徐々に変形される初期形状を持つ反復が始まる。この目的のために,著者らは,レーダリターン信号から形状の幾何学的性質を抽出するために,延伸処理の技術を採用した。これは滑らかで純粋な幾何学的コスト汎関数をもたらし,それにより形状反転を勾配ベース最小化アルゴリズムによりロバストに実行できる。多角形形状モデルによる合成シミュレーションは,いくつかの挑戦的形状に対するこのタイプのアプローチの有望性を示した。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： アルゴリズム ,  シミュレーション ,  *レーダ ,  延伸 ,  汎関数 ,  画像 ,  定式化 ,  ロバスト性 ,  構成モデル ,  オクルージョン ,  平滑度
準シソーラス用語： 高密度 ,  形状モデル ,  変形可能モデル ,  幾何学的特徴 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： レーダ ,  反転 ,  幾何学 ,  変形可能モデル ,  開発