文献

J-GLOBAL ID：202002241239870611   整理番号：20A1412223

ハイパースペクトルサブピクセルターゲット検出のためのデータ増強整合部分空間検出器【JST・京大機械翻訳】

Data-augmented matched subspace detector for hyperspectral subpixel target detection

著者 (6件)： Yang Xiaochen (Department of Statistical Science, University College London, London WC1E 6BT, UK) ,  Dong Mingzhi (Department of Statistical Science, University College London, London WC1E 6BT, UK) ,  Wang Ziyu (Department of Statistical Science, University College London, London WC1E 6BT, UK) ,  Gao Lianru (Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China) ,  Zhang Lefei (School of Computer Science, Wuhan University, Wuhan 430072, China) ,  Xue Jing-Hao (Department of Statistical Science, University College London, London WC1E 6BT, UK)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 106  ページ： Null  発行年： 2020年 
JST資料番号： D0611A  ISSN： 0031-3203  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)

抄録/ポイント： 整合部分空間検出器(MSD)と相互作用効果(MSDinter)を有するMSDのような部分空間ベースの方法の性能は,背景部分空間とターゲット部分空間に大きく依存する。それにもかかわらず,代表的なターゲット部分空間を構築することは,収集したハイパースペクトル画像におけるターゲットスペクトルの限られたアベイラビリティのために挑戦的である。本論文では,ターゲットスペクトルの不足問題を効果的に解決し,代表的ターゲットバックグラウンド混合部分空間を学習できるデータ増強MSD(DAMSD)とデータ増強MSDinter(DAMSDI)と呼ぶ2つの新しいハイパースペクトルターゲット検出法を提案した。最初に,古典的ハイパースペクトル混合モデルに基づくターゲットバックグラウンド混合スペクトルを合成し,次に主成分分析によりターゲットバックグラウンド混合部分空間を学習した。MSDとMSDinterと比較して,学習された混合部分空間は,ターゲットスペクトルのスペクトル変動が最も大きい程度で説明され,計算速度と数値安定性の改善につながる。2つの公開ハイパースペクトル画像データセットにおけるサブピクセルターゲット検出のためのDAMSDとDAMSDIの有効性を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像処理 ,  *スペクトル ,  アベイラビリティ ,  計算機処理速度 ,  検出器 ,  有効性 ,  主成分分析
準シソーラス用語： *ハイパースペクトル ,  *サブピクセル ,  ハイパースペクトル画像 ,  *部分空間 ,  混合モデル ,  数値安定性 ,  ターゲット検出 ,  スペクトル変動 , 【Automatic Indexing@JST】

著者キーワード (4件)： ハイパースペクトルイメージング ,  整合部分空間検出器(MSD) ,  サブピクセルターゲット検出 ,  データ増強

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： データ増強 ,  整合 ,  部分空間 ,  検出器