文献

J-GLOBAL ID：201802289473154399   整理番号：18A0208655

セグメント化行列2D-PCAに基づくハイパースペクトル画像データの次元低減法【JST・京大機械翻訳】

Data Dimension Reduction Method for Hyperspectral Images Based on Segmented Column-and-line 2D-PCA

著者 (4件)： Zhang Xiaohan (空軍航空大学,長春,130022) ,  Yang Guang (空軍航空大学,長春,130022) ,  Huang Junhua (空軍航空大学,長春,130022) ,  Yang Yongbo (空軍航空大学,長春,130022)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 43  号： 9  ページ： 256-262  発行年： 2017年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  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： 従来の二次元主成分分析(2D-PCA)法は,ハイパースペクトル画像データの次元縮小に直接適用することができないので,セグメント化行列2D-PCAに基づく次元縮小法を提案した。高スペクトル画像のバンド間の相関係数を用いて,部分空間を分割し,各部分空間における回転により新しいデータモデルを構築し,2D-PCA法によりその列と列の主成分情報を抽出し,画像再構成により行,列主成分画像を得た。各部分空間の列と列の主成分画像に対してウェーブレット分解を行い、異なる規則に従って低周波、高周波係数を融合し、さらにウェーブレット逆変換により次元縮小後の画像を得た。実験結果は,PCAとセグメンテーションPCAの方法と比較して,提案した方法が,画像の品質を保証することができるという前提で,計算時間を短縮し,ハイパースペクトル画像の次元縮小効率を改善することができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 波束 ,  *二次元 ,  画像再構成 ,  *画像 ,  主成分分析 ,  *スペクトル画像 ,  相関係数 ,  データモデル ,  CPU時間 ,  品質 ,  逆変換 ,  *次元縮小 ,  *セグメンテーション
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)： hyperspectral image ,  data dimension reduction ,  2-Dimensional Principal Component Analysis (2D-PCA) ,  band segment partition ,  wavelet fusion

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)： セグメント化 ,  行列 ,  ハイパースペクトル画像 ,  次元低減