文献

J-GLOBAL ID：201802265730198013   整理番号：18A0201688

SVMを用いた植物分類のためのハイパースペクトル画像解析へのスペクトルテクスチャアプローチ【Powered by NICT】

Spectral-texture approach to hyperspectral image analysis for plant classification with SVMs

著者 (3件)： AlSuwaidi Ali (School of Electrical and Electronic Engineering, The University of Manchester, Manchester, M13 9PL, UK) ,  Grieve Bruce (School of Electrical and Electronic Engineering, The University of Manchester, Manchester, M13 9PL, UK) ,  Yin Hujun (School of Electrical and Electronic Engineering, The University of Manchester, Manchester, M13 9PL, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IST  ページ： 1-6  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イメージングを用いた多数の環境と経済的利益はプラントの監視と診断に大きく増加した応用を促進してきた。本論文では,スペクトルとテクスチャ特性による植物識別のためのハイパースペクトル画像の解析に関するものである。研究の主な寄与は,予測性能を向上させるようなスペクトルテクスチャ解析を容易にするために特徴選択とMarkovランダム場モデル(MRF)の使用であり,従来の解析法と比較した。近位ハイパースペクトルイメージングシステムで収集した対照とストレスを与えたArabidopsis植物葉のハイパースペクトルデータセットを実験に用いた。異なる次数のテクスチャパラメータはMRFモデルから推定し,二サポートベクトルマシン設定を評価に用いた。実験結果は,従来の解析方法よりも提案したスペクトルテクスチャ手法の分類性能の大幅な改善を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 特徴選択 ,  サポートベクトルマシン ,  プラント ,  *スペクトル ,  Arabidopsis
準シソーラス用語： 解析方法 ,  次数 ,  確率場 ,  テクスチャ解析 ,  予測性能 ,  *質感 ,  *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 (4件)： SVM ,  植物分類 ,  ハイパースペクトル画像 ,  解析