文献

J-GLOBAL ID：201802260854335457   整理番号：18A1771402

ハイパースペクトル画像非混合におけるロバストな材料可変性検索のための指向性データとしてのエンドメンバー【JST・京大機械翻訳】

Endmembers as Directional Data for Robust Material Variability Retrieval in Hyperspectral Image Unmixing

著者 (3件)： Drumetz L. (IMT Atlantique, Lab-STICC, UBL, Brest, 29238, France) ,  Chanussot J. (CNRS, Grenoble INP, Univ. Grenoble Alpes, GIPSA-Iab, Grenoble, France) ,  Iwasaki A. (Research Center for Advanced Science and Technology, The University of Tokyo, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 3404-3408  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： ハイパースペクトル画像の非混合は,観測されたシーン(エンドメンバーと呼ばれる)の純粋な材料のスペクトルを回復することを目的としたソース分離問題であり,画像の各ピクセル(豊度と呼ばれる)におけるそれらの相対的な割合を目的としている。最近,材料の変動性はコミュニティにおいて多くの注目を集めている。特に,結果としてのモデルとアルゴリズムの数を提案し,それらの変動性を説明するために画素ごとのエンドメンバーを推定した。これらのアルゴリズムは,参照スペクトルを提供するための古典的な端部抽出アルゴリズムに依存することが多い。影と有意な可変性を有する困難なシナリオにおいて,これらのアルゴリズムは失敗する。本論文では,エンドメンバーが単一点よりもむしろ特徴空間における方向であることを考慮することにより,拡張線形混合モデルフレームワークにおけるこの問題に取り組んだ。このパラダイムの下で,著者らは,余弦類似性によるk-平均クラスタ化を用いることが幾何学的端成分抽出アルゴリズムより優れていることを示した。また,端部の方向の推定を精密化するためのアルゴリズムを設計し,照明と固有の変動効果の両方を説明した。可変性を持つ実世界スペクトルを用いた合成データセット上の提案アルゴリズムの可能性と自然シーンの挑戦的な実データセットを示した。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 ,  コミュニティ ,  *スペクトル ,  クラスタ化 ,  *画像 ,  画素 ,  *指向性 ,  精密化 ,  類似性 ,  *ロバスト性
準シソーラス用語： *ハイパースペクトル画像 ,  特徴空間 ,  一般化線形混合モデル ,  端成分抽出 , 【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 (6件)： ハイパースペクトル画像 ,  ロバスト ,  可変性 ,  検索 ,  指向性 ,  メンバー