文献

J-GLOBAL ID：202002220107572652   整理番号：20A2135388

マルチレベル特徴を用いた圃場における植生抽出【JST・京大機械翻訳】

Vegetation extraction in the field using multi-level features

著者 (3件)： Zhuang Shuo (School of Electrical and Information Engineering, Tianjin University, Tianjin, 300072, China) ,  Wang Ping (School of Electrical and Information Engineering, Tianjin University, Tianjin, 300072, China) ,  Jiang Boran (School of Electrical and Information Engineering, Tianjin University, Tianjin, 300072, China)
資料名： Biosystems Engineering  (Biosystems Engineering)
巻： 197  ページ： 352-366  発行年： 2020年 
JST資料番号： E0030A  ISSN： 1537-5110  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 圃場におけるデジタル植物画像からの正確で自動植生抽出は,精密農業における広く研究されているトピックである。多くの技法は,色指数ベースおよび学習ベースの方法のような,植物またはバックグラウンドとして分割されるピクセルまたは領域に焦点を合わせている。従来の2クラス分類問題と異なり,提案方法は,マルチクラスタスクとして植生抽出を考慮した。植物画像のエッジでの手動注釈誤差を考慮して,元のマークマスクをGauss確率関数を用いて再ラベル付けした。特徴抽出のプロセスにおけるより適切な情報を捕えるために,近傍画素の9つの画素レベル色特性と18の領域レベル統計的特性を,3つの色空間から算出した。抽出した27次元特徴は,マルチクラスラベルを出力する分類モデルの入力であった。最後に,分割画像を得るために適切な閾値を選択した。実験結果は,提案したマルチクラスとマルチレベル特徴(MCMLF)法が他の手法よりも優れた性能を達成することを示した。セグメンテーション結果の定量的および定性的分析を通して,提案した方法には,様々な照明条件,影領域,および複雑な背景を含む屋外課題を解決するための強い適応能力と同様に高い計算効率があることも分かった。Copyright 2020 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： 学習 ,  *セグメンテーション ,  照明条件 ,  特徴抽出 ,  画像処理 ,  色指数 ,  画素 ,  ディジタル方式 ,  色空間 ,  アノテーション
準シソーラス用語： 計算効率 ,  *マルチレベル ,  精密農業 ,  分類モデル ,  適応能力 , 【Automatic Indexing@JST】

著者キーワード (4件)： 植生抽出 ,  画像処理 ,  特徴抽出 ,  マルチレベル特徴

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： マルチレベル ,  圃場 ,  植生