文献

J-GLOBAL ID：201902243949003385   整理番号：19A1822722

ハイパースペクトル画像分類のための全変動による構造抽出【JST・京大機械翻訳】

Structure Extraction With Total Variation for Hyperspectral Image Classification

著者 (5件)： Li Qiaoqiao (Graduate School of Systems Science and Technology, Akita Prefectural University, Akita, Japan) ,  Wang Haibo (Huawei Research Institute, Xi’an, China) ,  Chen Guoyue (Department of Electronics and Information Systems, Akita Prefectural University, Akita, Japan) ,  Saruta Kazuki (Department of Electronics and Information Systems, Akita Prefectural University, Akita, Japan) ,  Terata Yuki (Department of Electronics and Information Systems, Akita Prefectural University, Akita, Japan)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 91019-91033  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 本論文は,高い分類精度を達成することができる新しい構造抽出方式を提案して,全体の変動(セット)に基づくハイパースペクトル画像(HSI)分類に対する低いコンピューティング負担を達成することができた。具体的には,構造が良く抽出できるような異なるスケールの情報を処理するために,2スケール分解ベースの相対的全変動(TSD-RTV)法を初めて提示した。さらに,新しい加重平均融合法を導入した。これにより,次元を低減し,ハイパースペクトルセンサによる雑音を除去することができた。サポートベクトルマシン(SVM)を分類装置としてHSI分類に適用した。3つの実際のハイパースペクトルデータセットについて実験を行った:インドのライン,Salinas,およびKennedy宇宙センター。実験結果は,分類精度と計算効率に関して提案したセットモデルの優れた性能を示した。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： *サポートベクトルマシン ,  インド ,  雑音 ,  分類装置 ,  宇宙空間 ,  計算効率 ,  加重平均
準シソーラス用語： ハイパースペクトルデータ ,  ハイパースペクトルセンサ ,  *ハイパースペクトル画像 ,  分類精度 ,  *総変動 ,  *ハイパースペクトル画像分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ハイパースペクトル画像分類 ,  全変動