文献

J-GLOBAL ID：201902273616376508   整理番号：19A0049103

変分法リモートセンシング画像人工地物自動検出【JST・京大機械翻訳】

A Variational Approach for Automatic Man-made Object Detection from Remote Sensing Images

著者 (3件)： Hu Xiangyun (武漢大学遥感信息工程学院,湖北武漢,430079) ,  Gong Xiaoya (武漢大学遥感信息工程学院,湖北武漢,430079) ,  Zhang Mi (武漢大学遥感信息工程学院,湖北武漢,430079)
資料名： Cehui Xuebao  (Cehui Xuebao)
巻： 47  号： 6  ページ： 780-789  発行年： 2018年 
JST資料番号： C2485A  ISSN： 1001-1595  CODEN： CEXUER  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： 人工地盤(建物,道路,橋など)の検出は,目標認識の重要な部分である。本論文では,人工地物検出をエネルギー汎関数最適化問題に変換した。最初に,画像の色,テクスチャ,勾配などの情報を,画像の色,テクスチャ,勾配,および画像の輝度情報を,画像の色,テクスチャ,勾配などの情報に基づいて計算し,次に,顕著性制約,面積,境界制約,テクスチャ制約,および灰色分散制約を含むエネルギー汎関数を構築した。エネルギー汎関数の最小値を変分法の反復法によって解決し,目標の前景部分が人工の地物領域である。本論文では、重慶と広東のある地のリモートセンシング画像データを例として、アルゴリズムを検証し、それを通常の人工物目標抽出アルゴリズム、例えばC-Vモデル、MRFモデル、及び以下の研究よりホットゲートの深度学習アルゴリズムと比較した。実験結果は,このアルゴリズムがリモートセンシング画像中の人工物体領域を効果的に検出でき,低い誤検出率と漏れ検出率を保証することを示した。本論文では,この方法と深さ学習法の比較を行った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *画像 ,  道路 ,  学習アルゴリズム ,  アルゴリズム ,  逐次近似 ,  *地物 ,  モデル ,  物体認識
準シソーラス用語： 検出率 ,  前景 ,  質感 ,  エネルギー汎関数 ,  *自動検出 ,  *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 (5件)： 変分法 ,  リモートセンシング画像 ,  人工 ,  地物 ,  自動検出