文献

J-GLOBAL ID：201902221413105445   整理番号：19A1677119

リモートセンシング画像レジストレーションにおける畳込みニューラルネットワーク特性の応用【JST・京大機械翻訳】

Application of convolutional neural network feature to remote sensing image registration

著者 (6件)： Ye Famao (南昌大学信息工程学院,南昌,330031) ,  Luo Wei (南昌大学信息工程学院,南昌,330031) ,  Su Yanfei (南昌大学信息工程学院,南昌,330031) ,  Zhao Xuqing (南昌大学信息工程学院,南昌,330031) ,  Xiao Hui (南昌大学信息工程学院,南昌,330031) ,  Min Weidong (南昌大学信息工程学院,南昌,330031)
資料名： Guotu Ziyuan Yaogan  (Guotu Ziyuan Yaogan)
巻： 31  号： 2  ページ： 32-37  発行年： 2019年 
JST資料番号： C2688A  ISSN： 1001-070X  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： リモートセンシング画像レジストレーションは多くのリモートセンシング応用の重要なステップの一つである。コンボリューションニューラルネットワーク(convolutionalneuralnetwork,CNN)抽出の画像高層特徴は画像分類と検索問題において優れ、低層レジストレーション特徴の表現能力が限られ、妨害を受けやすいなどの問題を克服できる。そこで,CNN特徴を用いたリモートセンシング画像記録の研究を行った。まず第一に,リモートセンシング画像レジストレーションの問題に照準を定めて,CNNにおける全リンク層特性と種々の重合サイズのロール積層特性について研究した。次に,CNN特徴を用いた画像レジストレーション法を解析した。最後に、CNNの特徴とスケール不変特徴変換(scale-invariantfeaturetransform、SIFT)の特徴を画像の回転角度、スケーリング倍数と輝度逐次変換時のレジストレーション性能の比較分析を行った。実験結果は,マッチング精度と正確な対応点の数において,CNNがSIFT法よりも良好な整合性能を持ち,変換された画像に対して,CNNはSIFT特徴よりもロバストであることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *リモートセンシング ,  マッチング ,  *画像 ,  回転角 ,  低層 ,  ロバスト性 ,  重合 ,  上層 ,  輝度
準シソーラス用語： 比較分析 ,  画像分類 ,  *畳込みニューラルネットワーク ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

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)： リモートセンシング画像 ,  レジストレーション ,  畳込みニューラルネットワーク ,  応用