文献

J-GLOBAL ID：201902218024701863   整理番号：19A2411371

文脈複合Wishart分類を用いた偏波SARデータにおける表面水体検出【JST・京大機械翻訳】

Surface Water Body Detection in Polarimetric SAR Data Using Contextual Complex Wishart Classification

著者 (4件)： Goumehei E. (Graduate School of Media and Governance, Keio University, Fujisawa, Japan) ,  Tolpekin V. (Department of Earth Observation Science, Faculty of Geoinformation Science and Earth Observation (ITC), University of Twente, Enschede, The Netherlands) ,  Stein A. (Department of Earth Observation Science, Faculty of Geoinformation Science and Earth Observation (ITC), University of Twente, Enschede, The Netherlands) ,  Yan W. (Graduate School of Media and Governance, Keio University, Fujisawa, Japan)
資料名： Water Resources Research  (Water Resources Research)
巻： 55  号： 8  ページ： 7047-7059  発行年： 2019年 
JST資料番号： B0706A  ISSN： 0043-1397  CODEN： WRERAQ  資料種別： 逐次刊行物 (A)
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： 衛星画像からの表面水の検出は,洪水程度,浸水動力学,および水資源分布のマッピングのような水管理目的にとって重要である。本研究では,偏波合成開口レーダ(SAR)データから表面水体を検出するための教師つき文脈分類モデルを導入した。複雑なWishartマルコフ確率場(WMRF)は,Markov確率場を複素Wishart分布と結合する。それは,単一Look複合体の1つのデータに適用される。Markov確率場を用いて,SAR画像からスペックルを除去するために表面水の幾何学を利用した。結果を,Wishart最大尤度分類(WMLC),Gauss最大尤度分類,およびしきい値処理に続くメディアンフィルタと比較した。実験により,Wishart分布を用いたデータの統計的表現は,WMRFに対してFスコアを0.95に改善するが,Gauss最大尤度分類,WMLC,および閾値化に対してはそれぞれ0.67,0.88および0.91であることを実証した。精度の主な改善は,WMLCでは0.80と0.86から,WMRFでは0.96への閾値化に増加した。WMRFモデルは,水と裸の土壌のような類似の後方散乱を持つクラスを正確に区別する。したがって,提案したWMRFモデルの高精度は,単一Look複合データからの水検出に対するロバスト性の結果である。著者らは,提案したモデルが,calm表面水体の検出のための既存の方法に関する大きな改良であると結論した。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 幾何学 ,  ロバスト性 ,  *偏波 ,  浸水 ,  スペックル ,  *表面水 ,  メディアンフィルタ ,  最尤法 ,  後方散乱 ,  衛星利用画像 ,  洪水 ,  複合体
準シソーラス用語： 高精度 ,  スコア ,  SAR画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： 複素Wishart Markov確率場(WMRF) ,  教師付き文脈分類モデル ,  表面水検出 ,  単一ルック複合(SLC)SAR画像

分類 (2件)： 水文学一般  (DC07010R) ,  土壌物理  (FB04030R)

タイトルに関連する用語 (5件)： 文脈 ,  分類 ,  偏波 ,  SAR ,  表面水