文献

J-GLOBAL ID：201802287095149121   整理番号：18A1209278

深い自動エンコーダと隠れMarkov確率場に基づくハイパースペクトル画像分類【JST・京大機械翻訳】

Hyperspectral image classification based on deep auto-encoder and hidden Markov random field

著者 (2件)： Mughees Atif (Computer Vision and Graphics Lab, Department of Computer Science and Technology, Tsinghua University, Haidian, Beijing 100084, China) ,  Tao Linmi (Computer Vision and Graphics Lab, Department of Computer Science and Technology, Tsinghua University, Haidian, Beijing 100084, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNC-FSKD  ページ： 59-65  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画像(HSI)分類はリモートセンシング分野における最も持続的な問題の1つである。最近,深い学習はその精度とより強い一般化のためにHSI分類分野で注目を集めている。本論文は,スタック自動符号器(SAE)ベースの深い特徴抽出と隠れMarkov確率場ベースのセグメンテーションの深い学習概念に関して開発された新しいスペクトル空間HSI分類手法を提案した。特に,SAEモデルをスペクトル情報ベース分類器として実装し,深いスペクトル特徴を抽出した。第二に,空間情報を有効隠れMarkov確率場(HMRF)ベースのセグメンテーション技術を用いて得た。最後に,最大投票ベースの判定基準を採用して,抽出したスペクトルと空間情報を融合して,それは正確なスペクトル空間HSI分類をもたらした。スペクトル空間特徴を有するHSIの特性化は,HSIのより包括的な解析とより正確な分類に帰着する。一般的に,最大投票ベースの基準によるスペクトルと空間情報のHMRFベースのセグメンテーションと併合によるSAEプロセスと空間情報から得られるスペクトル情報の利用は,HSI分類の精度に有意な影響を及ぼす。AVIRISとROSISセンサによって得られた異なるコンテキストと分解能を持つ実際の多様なハイパースペクトルデータセットに関する実験は,提案方法の精度を示し,提案した分類手法の結果がいくつかの最近提案されたHSI分類技術に匹敵することを確認した。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： 学習 ,  センサ ,  キャラクタリゼーション ,  投票 ,  *符号器 ,  *スペクトル ,  セグメンテーション ,  リモートセンシング ,  分解能 ,  特徴抽出 ,  判定基準
準シソーラス用語： AVIRIS ,  空間情報 ,  *ハイパースペクトル画像 ,  *Markov確率場 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： エンコーダ ,  Markov確率場 ,  ハイパースペクトル画像分類