文献

J-GLOBAL ID：202002242545571953   整理番号：20A1215397

マルチスケールSLIC-GMRFとFCNSVMを組み合わせた高分映像建築物抽出【JST・京大機械翻訳】

Extraction of buildings from remote sensing imagery based on multi-scale SLIC-GMRF and FCNSVM

著者 (6件)： Jing Ran (首都師范大学資源環境与旅游学院,北京100048;三維信息獲取与応用教育部重点実験室,北京100048;資源環境与地理信息系統北京市重点実験室,北京100048) ,  Gong Zhaoning (首都師范大学資源環境与旅游学院,北京100048;三維信息獲取与応用教育部重点実験室,北京100048;資源環境与地理信息系統北京市重点実験室,北京100048) ,  Zhu Wending (首都師范大学資源環境与旅游学院,北京100048;三維信息獲取与応用教育部重点実験室,北京100048;資源環境与地理信息系統北京市重点実験室,北京100048) ,  Guan Hongliang (首都師范大学資源環境与旅游学院,北京100048;三維信息獲取与応用教育部重点実験室,北京100048;資源環境与地理信息系統北京市重点実験室,北京100048) ,  Zhao Wenji (首都師范大学資源環境与旅游学院,北京100048;三維信息獲取与応用教育部重点実験室,北京100048;資源環境与地理信息系統北京市重点実験室,北京100048) ,  Zhang Tao (国家測絵地理信息局衛星測絵応用中心,北京,100048)
資料名： Yaogan Xuebao  (Yaogan Xuebao)
巻： 24  号： 1  ページ： 11-26  発行年： 2020年 
JST資料番号： W0865B  ISSN： 1007-4619  CODEN： YXAUAB  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： リモートセンシング画像の建築物抽出は,重要な応用価値を持つ。しかし、高解像度リモートセンシング画像には、詳細情報が多く、特徴が複雑で、建物抽出の難しさが増加している。この問題に対して、本論文では、マルチスケールSLIC-GMRFとFCNSVMに基づく建物抽出方法を提案し、高解像度リモートセンシング画像の建物抽出能力をある程度向上させた。最初に,多重スケールSLIC-GMRFセグメンテーションアルゴリズムを用いて,初期建築物領域を決定し,次に,FCNニューラルネットワークの優位性を用いて,建築物特性を抽出し,そして,建築物特徴訓練SVM分類装置を,建築物抽出結果を得るために,抽出した。3種類の制御実験を通じて、2種類の比較方法による以下の結論を得た。SLICセグメンテーションアルゴリズムは初期セグメンテーション結果に影響する。SVM分類器は建築物の細部抽出に影響する。FCN特徴はSVM分類器の性能に影響する。特徴が明確で、遮蔽妨害が少ない研究区に対して、本文の方法は映像中の建築物をよく抽出でき、適合率、再現率、品質指標はすべて対比方法より優れ、建物の複雑な分布の研究区に対して同様に良い抽出効果が得られた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  ニューラルネットワーク ,  *映像 ,  高分解能
準シソーラス用語： マルチスケール ,  適合率 ,  再現率 ,  *物体抽出 ,  リモートセンシング画像 ,  建物抽出 ,  SVM分類 , 【Automatic Indexing@JST】

分類 (3件)： 写真測量,空中写真  (RC02040D) ,  地形データの処理  (RC02050O) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： マルチスケール ,  高 ,  映像 ,  建築 ,  物抽出