文献
J-GLOBAL ID:201902228270779359   整理番号:19A1555574

偏光SAR画像の教師なし分類のための対制約を伴う変分テクスチャ化Dirichletプロセス混合モデル【JST・京大機械翻訳】

Variational Textured Dirichlet Process Mixture Model With Pairwise Constraint for Unsupervised Classification of Polarimetric SAR Images
著者 (5件):
資料名:
巻: 28  号:ページ: 4145-4160  発行年: 2019年 
JST資料番号: W0364A  ISSN: 1057-7149  CODEN: IIPRE4  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,多視点偏波合成開口レーダ(PolSAR)データのための教師なし分類法を提案した。提案した方法は,不均一性を同時に扱い,PolSAR画像における局所相関を組み込んだ。特に,Dirichlet過程混合モデル(DPMM)の確率論的枠組み内で,観測されたPolSARデータ点を,Wishart分布成分の乗算とクラス依存ランダム変数(すなわち,テキスト変数)により記述した。このモデリング方式は,提案したテクスチャ化DPMM(tDPMM)をもたらし,不均一領域におけるPolSARデータの特性化とクラス依存テクスチャ変数の導入による高分解能画像からより柔軟性を有する。提案したtDPMMは,そのBayes推論を達成するために最適化問題を解くことにより学習される。この最適化に基づく学習の知識により,局所相関をペアワイズ制約を通して組み込み,適切なペナルティ項を目的関数に組み込み,隣接画素を同じカテゴリに落下させ,塩とコショウ分類の出現を軽減するようにした。すべての閉形式更新による学習アルゴリズムを開発した。提案した方法の性能を,均一,不均一,および極端に不均一な領域を含む低分解能および高分解能PolSAR画像の両方で評価した。実験結果は,クラス依存性テクスチャ変数がPolSAR画像分類に有益であり,ペアワイズ制約がPolSAR画像における局所相関を効果的に組み込むことができることを明らかにした。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る