文献

J-GLOBAL ID：201802253208483714   整理番号：18A0647855

水体指数と畳込みニューラルネットワークを組み合わせたリモートセンシング水抽出【JST・京大機械翻訳】

Remote Sensing Image Water Body Extraction Combing NDWI with Convolutional Neural Network

著者 (4件)： He Haiqing (東華理工大学測絵工程学院,南昌330013;流域生態与地理環境監測国家測絵地理信息局重点実験室,南昌330013;武漢大学資源与環境科学学院,武漢430079) ,  Du Jing (東華理工大学測絵工程学院,南昌330013;流域生態与地理環境監測国家測絵地理信息局重点実験室,南昌330013) ,  Chen Ting (東華理工大学水資源与環境工程学院,南昌,330013) ,  Chen Xiaoyong (東華理工大学測絵工程学院,南昌330013;流域生態与地理環境監測国家測絵地理信息局重点実験室,南昌330013)
資料名： Yaogan Xinxi  (Yaogan Xinxi)
巻： 32  号： 5  ページ： 82-86  発行年： 2017年 
JST資料番号： C2739A  ISSN： 1000-3177  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 一般的に,多重スペクトルリモートセンシングによる水抽出は,スペクトルと空間情報を考慮することによって,水抽出の信頼性と正確さを保証することができない。リモートセンシングスペクトルの特性を利用すると同時に、深さ学習アルゴリズムを融合し、正規化差分水体指数(normalized difference water index、NDWI)と深さ学習を併用したリモートセンシングの水抽出方法を提案した。まず第一に,典型的な水サンプルを選択し,深さ学習のための畳込み神経回路網(CNN)の水体認識モデルを構築した。次に,多重スペクトル画像のNDWI指数を計算し,次に,初期の水体のサブ領域を構築するために,画像を包むことによって,最初に,画像を,次に,画像によって,分割することができた。最後に、NDWI指数とCNN水体の識別確率の連合推定モデルを構築し、反復計算を用いて最適化リモートセンシング水体の抽出を実現した。実験結果は,提案した方法の高信頼性と正確さを示した。一般的な方法と比較して,水体認識の精度は94.19%に達し,そして,分離率はわずか5.04%であり,水抽出の精度は著しく改善された。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 画像 ,  *畳込み ,  神経回路網 ,  スペクトル ,  正規化 ,  最適化 ,  *リモートセンシング ,  信頼性 ,  学習アルゴリズム
準シソーラス用語： 推定モデル ,  マルチスペクトル画像 ,  空間情報 ,  多重スペクトル ,  *水抽出 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： deep learning ,  normalized difference water index (NDWI) ,  convolutional neural network (CNN) ,  water extraction ,  spectral-spatial approach

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

タイトルに関連する用語 (5件)： 水 ,  指数 ,  畳込みニューラルネットワーク ,  リモートセンシング ,  水抽出