文献

J-GLOBAL ID：201802264115724092   整理番号：18A0707145

ハイパースペクトル画像のための局所エネルギーに基づく新しい特徴抽出【JST・京大機械翻訳】

A new feature extraction based on local energy for hyperspectral image

著者 (2件)： Marandi Reza Naeimi (Image processing and Information Analysis Lab., Faculty of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran) ,  Ghassemian Hassan (Image processing and Information Analysis Lab., Faculty of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AISP  ページ： 59-64  発行年： 2017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分類において,分類する訓練サンプルの数が制限されるので,分類装置の精度は減少する。この現象の理由の一つは,スピンオフ抽出空間特徴の可変性である。これは,シーンがビットを回転するとき,これらの特徴も変化することを意味する。これらの特徴は局所的な特徴であり,この状況においては,他と比較して回転するシーンの2つの部分にクラスがある可能性があることに注意すべきである。この目的のために,空間的特徴を抽出するための新しい方法を,回転に変わらない本論文で提案した。本研究では,局所エネルギーを局所Fourier変換により抽出し,構造情報を形態属性プロファイル(APs)により抽出し,抽出特徴を完成させた。シナリオにおけるエネルギー情報とスペクトル情報を積み重ねた。エネルギー情報,構造情報およびスペクトル情報を別のシナリオにおいて積み重ねた。次に,それらをサポートベクトルマシン(SVM)分類装置によって分類した。結果は,最初のシナリオが構造データのない画像のために有益であることを表現して,2番目のシナリオは,多くの構造情報を含む都市画像のためにより有用であった。提案した方法を,3つの有名なデータセット(Pavia大学,SalinasおよびIndiana Pine)に適用した。結果は,提案方法が他の競争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： *スペクトル ,  分類装置 ,  サポートベクトルマシン ,  *特徴抽出 ,  Fourier変換 ,  都市 ,  *画像
準シソーラス用語： *ハイパースペクトル ,  *ハイパースペクトル画像 , 【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 (3件)： ハイパースペクトル画像 ,  エネルギー ,  特徴抽出