文献

J-GLOBAL ID：201802288504041988   整理番号：18A1072967

ハイパースペクトル画像分類のための最適化カーネル最小雑音フラクション変換【JST・京大機械翻訳】

Optimized Kernel Minimum Noise Fraction Transformation for Hyperspectral Image Classification

著者 (7件)： Gao Lianru (Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China) ,  Zhao Bin (Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China) ,  Zhao Bin (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Jia Xiuping (School of Engineering and Information Technology, The University of New South Wales, Canberra Campus, Bruce ACT 2006, Australia) ,  Liao Wenzhi (Department of Telecommunications and Information Processing, Ghent University, Ghent 9000, Belgium) ,  Zhang Bing (Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China) ,  Zhang Bing (University of Chinese Academy of Sciences, Beijing 100049, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 6  ページ： 548  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： 本論文は,ハイパースペクトル画像の特徴抽出のための最適化カーネル最小雑音比率変換(OKMNF)を提示した。提案した手法はカーネル最小雑音率(KMNF)変換に基づいており,非線形次元縮小法である。KMNFは,元のデータをより高い次元特徴空間に写像することができて,分類といくつかの他のポスト処理のための少数の品質特徴を提供することができた。雑音推定はKMNFにおける重要な要素である。それは,隣接画素間の強い関係に基づいてしばしば推定される。しかし,ハイパースペクトル画像は空間分解能が限られており,通常,多数の混合画素を有しており,空間情報を雑音推定に対して信頼性が低い。KMNFは分類のための特徴抽出において一般的に不安定な性能を示す主な理由である。この問題を克服するために,本論文はKMNFを改善するためにより正確な雑音推定法の利用を利用した。2つの新しい雑音推定法を正確に提案した。さらに,雑音推定を改善するための枠組みを提案した。そこでは,スペクトルと空間の両方の相関が利用される。種々のハイパースペクトル画像を用いて行った実験結果により,提案したOKMNFはほとんどの場合において他の関連次元縮小法よりも優れていることを示した。従来のKMNFと比較して,提案したOKMNFは全体の分類精度において有意な改善をもたらした。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： 品質特性 ,  空間分解能 ,  次元縮小 ,  信頼性 ,  *スペクトル ,  特徴抽出 ,  *最適化 ,  画素 ,  *雑音
準シソーラス用語： 分類精度 ,  空間情報 ,  ミクセル ,  雑音推定 ,  特徴空間 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： ハイパースペクトル画像 ,  特徴抽出 ,  次元縮小 ,  最適化カーネル最小雑音フラクション(OKMnF)

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (61件)：

• Goetz, A.F.H. Three decades of hyperspectral remote sensing of the Earth: A personal view. Remote Sens. Environ. 2009, 113, S5-S16.
• Plaza, A.; Benediktsson, J.A.; Boardman, J.W.; Brazile, J.; Bruzzone, L.; Camps-Valls, G.; Chanussot, J.; Fauvel, M.; Gamba, P.; Gualtieri, A.; et al. Recent advances in techniques for hyperspectral image processing. Remote Sens. Environ. 2009, 113, S110-S122.
• Hughes, G. On the mean accuracy of statistical pattern recognizers. IEEE Trans. Inf. Theory 1968, 14, 55-63.
• Liu, C.H.; Zhou, J.; Liang, J.; Qian, Y.T.; Li, H.X.; Gao, Y.S. Exploring structural consistency in graph regularized joint spectral-spatial sparse coding for hyperspectral image classification. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2016, 99, 1-14.
• Jia, X.P.; Kuo, B.; Crawford, M.M. Feature mining for hyperspectral image classification. Proc. IEEE 2013, 101, 676-697.

タイトルに関連する用語 (5件)： ハイパースペクトル画像分類 ,  最適化 ,  カーネル ,  雑音 ,  フラクション