文献

J-GLOBAL ID：201902262466433788   整理番号：19A1381110

適応束と二重スパース性を用いたスペクトル変動性を用いたハイパースペクトル非混合【JST・京大機械翻訳】

Hyperspectral Unmixing With Spectral Variability Using Adaptive Bundles and Double Sparsity

著者 (3件)： Uezato Tatsumi (University of Toulouse, IRIT/INP-ENSEEIHT, CNRS, Toulouse, France) ,  Fauvel Mathieu (Centre d’Etudes Spatiales de la BIOsphere, Universite^ de Toulouse, CNES/CNRS/IRD/UPS/INRA, Toulouse, France) ,  Dobigeon Nicolas (University of Toulouse, IRIT/INP-ENSEEIHT, CNRS, Toulouse, France)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 57  号： 6  ページ： 3980-3992  発行年： 2019年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： スペクトル変動は,ハイパースペクトルの非混合を行うときの主要な問題の一つである。いくつかの基本的材料(ここではエンドメンバークラスと呼ぶ)から構成される与えられた画像内で,これらのクラスを特徴付けるスペクトル特徴は,固有成分ゆらぎまたは外部因子(照明)により空間的に変化する可能性がある。各クラス内のこれらの冗長な多重端成分スペクトルは,非混合法の性能に悪影響を与える。本論文では,各クラスを表現する冗長多重スペクトルの階層構造を明示的に組み込んだ混合モデルを提案した。提案した方法は,各画素内のスペクトルとクラスの両方の選択に関するスパース性を促進するように設計されている。得られた非混合アルゴリズムは,各クラスに関連するエンドメンバースペクトルのいくつかの束を適応的に回復でき,ロバストに推定量を推定することができる。さらに,その柔軟性は,ハイパースペクトル画像の各画素内に存在するクラスの可変数を非混合にすることを可能にする。提案した方法を,シミュレーションと実際のハイパースペクトルデータを用いてスパース性を組み込んだ他の最先端の非混合法と比較した。結果は,提案した方法が各クラス内に存在するクラスの可変数をうまく決定し,対応するクラスの存在度を推定できることを示した。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： ゆらぎ ,  画素 ,  推定量 ,  *スペクトル ,  柔軟性 ,  冗長性 ,  照明 ,  アルゴリズム ,  ロバスト性 ,  階層構造 ,  多重化
準シソーラス用語： ハイパースペクトル画像 ,  混合モデル ,  *ハイパースペクトル ,  *スパース性 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 適応 ,  束 ,  スパース性 ,  スペクトル変動 ,  ハイパースペクトル