抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ハイパースペクトル画像処理における重要な解析の一つはスペクトル非混合であり,ハイパースペクトルデータはしばしば完全存在制約(FAC)を課した線形混合物として扱われる。二つの制約を持つFAC線形混合モデル,豊度和対一制約(ASC)と豊度非負性制約(ANC),を満足するが,良く知られたN-ファインダアルゴリズム(NFINDR)に帰着する単純性によりさらに理解できる。したがって,NFINDRによって発見されたシンプレックスは,エンドメンバーと呼ばれるいくつかの材料物質から成る。実用的にN-FINDRを実装するために,それは膨大な探索領域,シンプレックス体積計算のための過剰計算,およびランダム初期条件を含むいくつかの問題に悩まされる。近年,NFINDRの変種が,上述の問題を避けるために提案された。そして,最近,区分的幾何学的NFINDR(PG-NFINDR)と呼ばれる変異体の1つを,シンプレックスの幾何学的構造に基づく有効シンプレックス体積計算法により全画像をサブ領域に分割することにより提案した。このアルゴリズムは性能をうまく改善するにもかかわらず,画像が分割される方法を決定する機構を提供せず,また分割プロセスの使用に対する証明も与えない。本論文では,分割の使用を部分画像データを用いて正当化し,実験結果を実行した。さらに,アルゴリズムを強化するために分割アプローチを提案した。実験結果は,分割のアイデアがハイパースペクトル分類における大規模な問題を解決するためにさらに拡張できることを示した。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】