文献

J-GLOBAL ID：201902225506123059   整理番号：19A0630556

3Dグレイレベル共起行列とその崩壊建物同定への応用【JST・京大機械翻訳】

3D gray level co-occurrence matrix and its application to identifying collapsed buildings

著者 (6件)： Moya Luis (International Research Institute of Disaster Science, Tohoku University, Aoba 468-1-E301, Aramaki, Aoba-ku, Sendai 980-0845, Japan) ,  Zakeri Homa (Housing System Department, NIKKEN SEKKEI, 1-4-27, Koraku, Bunkyo-ku, Tokyo 112-0004, Japan) ,  Yamazaki Fumio (Department of Urban Environment System, Chiba University, 1-33 Yayoi-cho, Inage-ku, Chiba 263-8522, Japan) ,  Liu Wen (Department of Urban Environment System, Chiba University, 1-33 Yayoi-cho, Inage-ku, Chiba 263-8522, Japan) ,  Mas Erick (International Research Institute of Disaster Science, Tohoku University, Aoba 468-1-E301, Aramaki, Aoba-ku, Sendai 980-0845, Japan) ,  Koshimura Shunichi (International Research Institute of Disaster Science, Tohoku University, Aoba 468-1-E301, Aramaki, Aoba-ku, Sendai 980-0845, Japan)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 149  ページ： 14-28  発行年： 2019年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： リモートセンシング画像データへのアクセスにおける顕著な進歩により,今日の研究は1つ以上の画像を利用することが多い。マイクロ波レーダ画像の多重時間,ハイパースペクトル,および/または完全偏光を用いることができる。加えて,テクスチャ解析がリモートセンシングにおいて重要な役割を果たすという一般的合意になった。いくつかの文献において,集合組織解析を別々に各層に適用したことを見出した。しかし,この手順は大量の計算を必要とし,大量のデータを生成する。一つの代替案と,おそらくより良い手順は,画像を多層構造に配置し,ある種の三次元領域内でテクスチャ解析を行うことである。本論文では,3DGLCMと呼ばれる画像の多層集合に対する単一画像に適用される共起行列(GLCM)テクスチャ解析の濃淡レベルの概念を拡張した。次に,建物被害同定の文脈内で3DGLCMの解釈を提示した。3DGLCMベースの特徴を計算し,評価した。結果として,いくつかのテクスチャ特徴は,以前の研究で提案された他の方法と一定の類似性を有するが,他の特徴は以前には使用されていないことが観察された。さらに,本論文では,3DGLCMベースの特徴を用いて,崩壊した建物の学習および検出におけるサポートベクトルマシン(SVM)分類器の性能を評価した。したがって,経験的評価は,2011年東北地震と津波によって引き起こされた崩壊建物の同定に焦点を合わせ,個々の偏光TerraSAR-X強度画像を用いて,テクスチャ特徴を計算した。そして,LIDARベースのデジタル表面モデルを用いて,テクスチャ特徴を計算した。地方自治体と研究チームによって視覚的に検査された建物損傷状態から成る広範なデータセットを用いて,訓練と試験サブセットを設定した。さらに,提案したテクスチャ特徴を,崩壊した建物を同定するために一般的に用いられる特徴と比較した。研究は,3DGLCMベースの特徴で訓練されたSVMが,高い精度で崩壊した建物を同定し,以前の研究で用いられた一般的な特徴で訓練されたSVMより優れていると結論した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  *三次元 ,  視覚 ,  多重化 ,  リモートセンシング ,  偏光 ,  ディジタル方式 ,  サポートベクトルマシン ,  地震 ,  画像 ,  LIDAR
準シソーラス用語： レーザレーダ ,  質感 ,  同時生起行列 ,  テクスチャ解析 ,  *共起行列 , 【Automatic Indexing@JST】

著者キーワード (3件)： 三次元GLCM ,  テクスチャ ,  変化検出

分類 (2件)： 地形データの処理  (RC02050O) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (7件)： 3D ,  グレイレベル ,  共起行列 ,  崩壊 ,  建物 ,  同定 ,  応用