文献

J-GLOBAL ID：201802266986966440   整理番号：18A0872666

セグメンテーション行-列カーネル2DPCAを用いたハイパースペクトル画像の次元縮小【JST・京大機械翻訳】

Dimensionality Reduction for Hyperspectral Image Using a Segmented Row-column Kernel Two-dimensional Principal Component Analysis Method

著者 (4件)： Xiang Yingjie (空軍航空大学,吉林長春,130000) ,  Yang Guang (空軍航空大学,吉林長春,130000) ,  Zhang Jianfeng (空軍航空大学,吉林長春,130000) ,  Wang Qi (空軍航空大学,吉林長春,130000)
資料名： Hongwai Jishu  (Hongwai Jishu)
巻： 39  号： 12  ページ： 1107-1113  発行年： 2017年 
JST資料番号： C2520A  ISSN： 1001-8891  CODEN： HOJIEC  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： 二次元主成分法は計算時間が少なく、次元縮小効果が良好で、ハイパースペクトル画像の次元縮小に応用された。二次元主成分法に基づき,ハイパースペクトル画像の非線形情報をマイニングするために,分割行-列カーネル2DPCA法の次元縮小を実現し,行-列2DPCA法,分割行-列2DPCA法,および行-列カーネル2DPCA法の次元縮小効果を比較した。相関を利用して、ハイパースペクトル画像を5つの部分空間に分け、変換データ構造により行と列の核2DPCA変換を実現し、最後に行と列の結果を融合して次元縮小結果を得た。次元縮小の結果,高い情報保持率において,セグメンテーション行-列カーネル2DPCAは,最も高い画像明瞭度とエッジ強度を示した。異なる画素の画素の折れ線図により、セグメント化行-列核2DPCA方法は、異なる地物をよりよく区別でき、地物分類と目標識別によく応用できることが明らかになった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 地物 ,  物体認識 ,  画素 ,  *画像 ,  明瞭度 ,  折れ線 ,  *次元縮小 ,  二次元 ,  *セグメンテーション ,  CPU時間
準シソーラス用語： 部分空間 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： kernel 2DPCA ,  segmentation row-column 2DPCA ,  hyperspectral image ,  data structure transformation ,  dimensionality reduction

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)： セグメンテーション ,  カーネル ,  ハイパースペクトル画像 ,  次元縮小