文献

J-GLOBAL ID：201802295534361078   整理番号：18A1930166

深い形状事前を用いた高分解能SAR画像における航空機再構成【JST・京大機械翻訳】

Aircraft Reconstruction in High-Resolution SAR Images Using Deep Shape Prior

著者 (6件)： Dou Fangzheng (Institute of Electronic, Chinese Academy of Sciences, Beijing 100190, China) ,  Dou Fangzheng (University of Chinese Academy of Sciences, Beijing 100190, China) ,  Diao Wenhui (Institute of Electronic, Chinese Academy of Sciences, Beijing 100190, China) ,  Sun Xian (Institute of Electronic, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhang Yue (Institute of Electronic, Chinese Academy of Sciences, Beijing 100190, China) ,  Fu Kun (Institute of Electronic, Chinese Academy of Sciences, Beijing 100190, China)
資料名： ISPRS International Journal of Geo-Information (Web)  (ISPRS International Journal of Geo-Information (Web))
巻： 6  号： 11  ページ： 330  発行年： 2017年 
JST資料番号： U7212A  ISSN： 2220-9964  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： 輪郭形状は重要な特徴である。ターゲットの正確な輪郭形状は,ターゲット認識のような応用のための重要な事前情報を提供することができ,それはターゲット解釈の精度を改善することができる。本論文において,合成開口レーダ(SAR)ターゲット再構成方法を提案して,それは輪郭形状特徴の正確な抽出を実行するために,形状プリカーを用いることによってターゲットを再構築するために用いることができた。この方法を2段階に分割した。深い形状の前抽出段階では,深い形状のプリアを得るために,生成的な深い学習モデリング法を用いた。再構成段階において,最適化アルゴリズムと結合した新しい粗から微細な姿勢推定法を提案した。それは,深い形状のプリカーを再構成のプロセスに統合した。具体的には,物体回転の問題を扱うために,粗姿勢推定法を用いて候補姿勢を得た。これは各姿勢の徹底的探索を回避する。さらに,微細姿勢推定を結合するための散乱項と形状項から成るエネルギー関数を構築し,反復最適化アルゴリズムにより最適化し,物体再構成の目標を達成した。著者らの知る限りでは,これはSARターゲットの形状特徴を抽出するために初めて使用された。実験は,TerraSAR-X画像によって得たデータセットに関して実施して,結果は提案した方法の高い正確さとロバスト性を実証した。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： 合成開口レーダ ,  散乱 ,  学習 ,  物体認識 ,  ロバスト性 ,  *画像 ,  *航空機 ,  最適化 ,  *形態 ,  モデリング ,  *再構成
準シソーラス用語： 推定法 ,  姿勢推定 ,  最適アルゴリズム ,  事前知識 , 【Automatic Indexing@JST】

著者キーワード (4件)： 合成開口レーダ ,  オブジェクト再構成 ,  事前の形状 ,  深いBoltzmann機械

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

引用文献 (16件)：

• Boykov, Y.Y.; Jolly, M.P. Interactive graph cuts for optimal boundary & region segmentation of objects in N-D images. In Proceedings of the Eighth IEEE International Conference on Computer Vision, Vancouver, BC, Canada, 7-14 July 2001; pp. 105-112.
• Pascal, G. Chan-Vese Segmentation. Image Process. Line 2012, 2, 214-224.
• Liu, G.; Sun, X.; Fu, K.; Wang, H. Interactive geospatial object extraction in high resolution remote sensing images using shape-based global minimization active contour model. Pattern Recognit. Lett. 2013, 34, 1186-1195.
• Chen, J.; Zhang, B.; Wang, C. Backscattering feature analysis and recognition of civilian aircraft in TerraSAR-X images. IEEE Geosci. Remote Sens. Lett. 2015, 12, 796-800.
• Chang, Y.L.; Chiang, C.Y.; Chen, K.S. Sar image simulation with application to target recognition. Prog. Electromagn. Res. 2011, 119, 35-57.

タイトルに関連する用語 (4件)： 高分解能 ,  SAR画像 ,  航空機 ,  再構成