文献

J-GLOBAL ID：201802271397154257   整理番号：18A0160629

OpenStreetMap情報を用いた高分解能リモートセンシング画像の分類【Powered by NICT】

Classification of High-Resolution Remote-Sensing Image Using OpenStreetMap Information

著者 (4件)： Wan Taili (School of Geodesy and Geomatics, Wuhan University, Wuhan, China) ,  Lu Hongyang (China Transport Telecommunications and Information Center, Beijing, China) ,  Lu Qikai (Electronic Information School, Wuhan University, Wuhan, China) ,  Luo Nianxue (School of Geodesy and Geomatics, Wuhan University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 12  ページ： 2305-2309  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： クラスに関する事前情報を高分解能画像分類に重要な役割を果たしている。GPS追跡実践と局部的知識を有す行為者によって産生され,クラウドソーシングOpenStreetMap(OSM)データは,画像分類のための事前情報を提供するために,時間節約および費用対効果に優れた方法としての可能性を示した。本短報において,筆者らは,OSM情報を用いた高分解能リモートセンシング画像分類法を開発した。道路を除いて関心のあるクラスのOSM物体を抽出分類のための訓練集合を構築した。OSMにおける誤った誤差と冗長性を減少させるために,一連の手法は訓練セットを精密化するために採用した。さらに,OSM道路情報は,その良好な品質と完全性のために学習した分類結果に重畳した。本論文の主な貢献は1)OSM派生訓練サンプルの微細化と2)OSM道路重畳戦略の利用。広州都市周辺地域ならびに対応するOSMデータ上の高分解能GF-2画像を実験に用いた。結果は,提案した方法の有効性を示した。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： *画像 ,  品質 ,  *高分解能 ,  冗長性 ,  道路 ,  精密化 ,  都市 ,  畳込み ,  GPS
準シソーラス用語： GPS【位置決め】 ,  道路情報 ,  費用対効果 ,  画像分類 ,  クラウドソーシング ,  事前知識 ,  *リモートセンシング画像 , 【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)： 高分解能 ,  リモートセンシング画像 ,  分類