文献

J-GLOBAL ID：201802272919346176   整理番号：18A1072290

雑音レベル推定によるハイパースペクトルデータのスパース非混合【JST・京大機械翻訳】

Sparse Unmixing of Hyperspectral Data with Noise Level Estimation

著者 (8件)： Li Chang (Electronic Information School, Wuhan University, Wuhan 430072, China) ,  Li Chang (School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Li Chang (School of Mathematics and Computer Science, Wuhan Polytechnic University, Wuhan 430023, China) ,  Ma Yong (Electronic Information School, Wuhan University, Wuhan 430072, China) ,  Mei Xiaoguang (Electronic Information School, Wuhan University, Wuhan 430072, China) ,  Fan Fan (Electronic Information School, Wuhan University, Wuhan 430072, China) ,  Huang Jun (Electronic Information School, Wuhan University, Wuhan 430072, China) ,  Ma Jiayi (Electronic Information School, Wuhan University, Wuhan 430072, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 11  ページ： 1166  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 最近,ハイパースペクトル画像(HSIs)の解析において,スパースな非混合が特に注目されている。しかしながら,従来のまばらな非混合は,異なる雑音レベルに対して,異なる雑音レベルに敏感になるように,HSIsの異なるバンドにおいて異なる雑音レベルを無視している。この問題を克服するために,異なるバンドにおける雑音レベルを本論文で異なると仮定し,スパース回帰フレームワークの下での雑音レベル推定(SU-NLE)に基づく一般的なスパース非混合法を提案した。最初に,各バンドにおける雑音をハイパースペクトル応用における多重回帰理論に基づいて推定し,隣接するスペクトルバンドが通常高度に相関することを示した。第二に,雑音重みづけ行列を推定雑音から得ることができた。第3に,雑音重みづけ行列をスパース回帰非混合フレームワークに統合して,それは種々のバンドにおける種々のノイズレベルの影響を軽減することができた。最後に,提案したSU-NLEを乗算器の代替方向法により解いた。合成データセットに関する実験は,提案したSU-NLEの信号対再構成誤差が,雑音レベル推定なしの対応する従来のスパース回帰非混合法のものよりかなり高いことを示した。それは,スパース回帰非混合フレームワークに雑音レベル推定を統合する効率を実証した。提案したSU-NLEは,実際のHSIにおいて有望な結果を示した。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *雑音指数 ,  乗算器 ,  多重回帰分析 ,  *雑音 ,  再構成 ,  *透視図法 ,  スペクトルバンド ,  重みづけ
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 ,  ハイパースペクトルデータ , 【Automatic Indexing@JST】

著者キーワード (3件)： 乗算器(ADMM)の代替方向法 ,  ハイパースペクトル画像(HSI) ,  雑音レベル推定(SU-NLE)に基づくスパース非混合法

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (61件)：

• Williams, M.D.; Parody, R.J.; Fafard, A.J.; Kerekes, J.P.; van Aardt, J. Validation of Abundance Map Reference Data for Spectral Unmixing. Remote Sens. 2017, 9, 473.
• Fan, H.; Chen, Y.; Guo, Y.; Zhang, H.; Kuang, G. Hyperspectral Image Restoration Using Low-Rank Tensor Recovery. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2017, 10, 4589-4604.
• Ahmed, A.M.; Duran, O.; Zweiri, Y.; Smith, M. Hybrid Spectral Unmixing: Using Artificial Neural Networks for Linear/Non-Linear Switching. Remote Sens. 2017, 9, 775.
• Sui, C.; Tian, Y.; Xu, Y.; Xie, Y. Unsupervised band selection by integrating the overall accuracy and redundancy. IEEE Geosci. Remote Sens. Lett. 2015, 12, 185-189.
• Li, Y.; Tao, C.; Tan, Y.; Shang, K.; Tian, J. Unsupervised multilayer feature learning for satellite image scene classification. IEEE Geosci. Remote Sens. Lett. 2016, 13, 157-161.

タイトルに関連する用語 (3件)： 雑音レベル ,  推定 ,  ハイパースペクトルデータ