マルチバンド光学画像間の教師なし変化検出のためのロバストな融合アルゴリズム-包括的事例研究【JST・京大機械翻訳】

Ferraris Vinicius; Dobigeon Nicolas; Dobigeon Nicolas; Chabert Marie

文献

J-GLOBAL ID：202002230653155872 整理番号：20A2135554

マルチバンド光学画像間の教師なし変化検出のためのロバストな融合アルゴリズム-包括的事例研究【JST・京大機械翻訳】

Robust fusion algorithms for unsupervised change detection between multi-band optical images - A comprehensive case study

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A2135554&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2135554&from=J-GLOBAL&jstjournalNo=W3167A") }}

著者 (4件)： , , ,
資料名：
巻： 64 ページ： 293-317 発行年： 2020年
JST資料番号： W3167A ISSN： 1566-2535 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

教師なし変化検出技術は,同じ空間とスペクトル分解能を共有するセンサを通して異なる時間で取得した2つのマルチバンド光学画像に一般的に制約される。光学モダリティの場合,リモートセンシングコミュニティで主に研究されているが,ピクセルワイズ差分のような相同ピクセルの直線比較は適切である。しかし,緊急事態,点在的任務,防衛およびセキュリティのようないくつかの特定の場合において,唯一の利用可能な画像は,異なる分解能を有する異なる種類のセンサを通して獲得される可能性がある。最近,異なる空間およびスペクトル分解能を持つ画像を扱ういくつかの変化検出技術が提案されてきた。それにもかかわらず,それらは,1つの画像が高い空間および低いスペクトル分解能を持つ特定のシナリオに焦点を合わせ,他方は,低い空間および高いスペクトル分解能を持つ。本論文は,それらの空間およびスペクトル分解能格差を無視する2つのマルチバンド光学画像間の変化を検出する問題に取り組んだ。解像度格差を克服するために,最先端の方法は,2つの画像,例えば,同じ空間およびスペクトル分解能に達するように意図された再サンプリング操作に独立して適用した前処理段階後に,従来の変化検出法を適用する。それにもかかわらず,これらの前処理段階は,2つの画像の間に存在する強い相互作用を考慮していないので,関連する情報を浪費するかもしれない。逆に,本論文では,同じ高空間および高スペクトル分解能で特徴付けられる2つの(非観測)潜在画像の空間およびスペクトル分解バージョンとして,2つの観測画像をモデル化することにより,利用可能な情報を効果的に使用する方法を提案した。同じシーンを覆って,潜在画像は,空間的に疎な位置における可能な変化を除いて,グローバルに類似であると予想される。したがって,変化検出タスクは,空間的にスパースである推定潜在画像間の差異を強制するロバストな融合タスクを通して想像される。このロバスト融合は交互最小化戦略を用いて反復的に解く逆問題として定式化できることを示した。提案したフレームワークを,応用シナリオの網羅的リストのために実装し,実際のマルチバンド光学画像に適用した。最先端の変化検出法との比較は,提案したロバスト融合ベース戦略の精度と汎用性を証明した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

図形・画像処理一般

, , , , , , ,

前のページに戻る