文献

J-GLOBAL ID：202002230091352142   整理番号：20A1889896

バンド選択とマルチモード特徴融合に基づくリモートセンシング画像の分類【JST・京大機械翻訳】

Classification of Remote Sensing Images Based on Band Selection and Multi-mode Feature Fusion

著者 (5件)： Yu Xiaodong (College of Computer Science and Technology, Harbin Normal University, Harbin, China) ,  Yu Xiaodong (College of Computer Science and Technology, Harbin Engineering University, Harbin, China) ,  Dong Hongbin (College of Computer Science and Technology, Harbin Engineering University, Harbin, China) ,  Mu Zihe (College of Mathematical Sciences, Harbin Normal University, Harbin, China) ,  Sun Yu (Heilongjiang Institute of Construction Technology, Harbin, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1257  ページ： 612-620  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 多モードリモートセンシング画像における特徴データが多重モードに属し,互いに相補的であるので,単一モードデータ解析と処理の伝統的方法は,効果的に異なるモードのデータを融合することができず,異なるモード間の相関を表現できる。この問題を解決するため,異なるモードデータのより良い融合と前述の特徴間の関係を作って,本論文は,SVMモデルを訓練することによって,効果的統合のためにベクトルまたはマトリックスの形で空間次元に対して,多重モードスペクトル特性とレーダ遠隔観測画像の融合方法を提案した。実験結果は,バンド選択とマルチモード特徴融合に基づく方法がリモートセンシング画像特徴のロバスト性を効果的に改良できることを示した。他の方法と比較して,融合方法はより高い分類精度とより良い分類効果を達成することができた。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  レーダ ,  データ解析 ,  *リモートセンシング ,  *多モード ,  単一モード ,  ロバスト性
準シソーラス用語： 分類精度 ,  *リモートセンシング画像 ,  スペクトル特性 ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (5件)： リモートセンシング分類 ,  特徴の分類 ,  バンド選択 ,  マルチモーダル特徴融合 ,  SVM

分類 (3件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： バンド ,  マルチモード ,  特徴融合 ,  リモートセンシング画像 ,  分類