文献

J-GLOBAL ID：201902210202148122   整理番号：19A2423533

高分解能SAR画像における超画素ランダム森法による船舶検出【JST・京大機械翻訳】

Ship Detection via Superpixel-Random Forest Method in High-Resolution SAR Images

著者 (4件)： Tan Xiulan (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, China) ,  Cui Zongyong (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, China) ,  Cao Zongjie (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, China) ,  Min Rui (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 516  ページ： 702-707  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 合成開口レーダ(SAR)の分解能の増加により,中低分解能に使用される従来のSAR画像ターゲット検出法は,従来の方法ではほとんど検出されない構造,形状,および弱いエコーについての詳細な情報を含む高分解能SAR画像に適していない。本論文では,高分解能SAR画像における船舶を検出するために,新しい方法,スーパーピクセルランダムフォレスト技術を提案した。この方法は,スーパーピクセルとランダムフォレストアルゴリズムを結合した。スーパーピクセルを採用して,画像を多くのサブ領域に適切に分割し,ランダムフォレストを用いて,これらのサブ領域を船舶または他のものにクラスタ化しないようにした。実験結果は,アルゴリズムが正確に船舶ターゲットを検出できることを示した。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *分解能 ,  *高分解能 ,  合成開口レーダ ,  アルゴリズム ,  *船舶 ,  *画像 ,  *画素 ,  クラスタ化
準シソーラス用語： ターゲット検出 ,  低分解能 ,  *ランダムフォレスト ,  *SAR画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： SAR ,  船舶の検出 ,  スーパーピクセル ,  ランダムフォレスト ,  クラスタリング

分類 (2件)： レーダ  (ND13010H) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： 高分解能 ,  SAR画像 ,  画素 ,  ランダム森 ,  船舶