文献

J-GLOBAL ID：201802244606907441   整理番号：18A2036283

超高分解能光学画像からの個々のビルディングの正確な概要抽出【JST・京大機械翻訳】

Accurate Outline Extraction of Individual Building From Very High-Resolution Optical Images

著者 (6件)： Qin Xuebin (Department of Computing Science, University of Alberta, Edmonton, AB, Canada) ,  He Shida (Department of Computing Science, University of Alberta, Edmonton, AB, Canada) ,  Yang Xiucheng (ICube Laboratory, University of Strasbourg, Strasbourg, France) ,  Dehghan Masood (Department of Computing Science, University of Alberta, Edmonton, AB, Canada) ,  Qin Qiming (School of Earth and Space Sciences, Institute of Remote Sensing and Geographic Information System, Peking University, Beijing, China) ,  Martin Jagersand (Department of Computing Science, University of Alberta, Edmonton, AB, Canada)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 15  号： 11  ページ： 1775-1779  発行年： 2018年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 本論文は,非常に高分解能(0.1~0.4m)光学画像から個々の建物の正確な概要を抽出するための新しいアプローチを提示した。建物の概要は,ここでは多角形と定義される。本手法は,線検出器により検出される直線セグメントの集合上で動作する。それは検出された線セグメントのサブセットをグループ化し,それらを連結して閉じた多角形を形成する。特に,新しいグループ化コストを最初に定義した。第二に,重みづけ無有向グラフグラフG(V,E)を,それらの抽出された線セグメントのエンドポイントに基づいて構築した。次に,最小のグループ化コストでグラフサイクルを探索する問題として,建物の概要抽出を定式化した。グラフサイクル探索問題を解決するために,双方向最短経路法を利用した。著者らの方法は,異なる形状,サイズ,および強度を持つ様々な建物屋根の123画像を含む新しく作成されたデータセットについて検証された。90.56%の平均交差-過剰結合と6.56画素の平均アラインメント誤差を有する実験結果は,著者らの方式が建築屋根の異なる形状に対してロバストであり,最先端の方法より優れていることを実証した。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： ロバスト性 ,  探索問題 ,  アラインメント ,  部分集合 ,  屋根 ,  *画像 ,  画素 ,  重みづけ ,  グラフ ,  検出器 ,  有向グラフ ,  定式化
準シソーラス用語： 最先端 ,  最短経路 ,  エンドポイント , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  音響信号処理  (BB03050C) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 高分解能 ,  光学画像 ,  ビルディング ,  概要