文献

J-GLOBAL ID：202002246340286771   整理番号：20A2394116

K-MEANSクラスタリングとウェーブレット変換に基づくSAR画像の深層学習意味統計的特徴ラベリング【JST・京大機械翻訳】

Deep Learning Semantic Statistical Features’ Labeling Of SAR Image Based On K-MEANS Clustering And Wavelet Transform

著者 (8件)： Peng Jinxi (Department of Computer Science and Technology, Xi’an JiaoTong University, Xi’an 710049,Shaanxi,China) ,  Su Yuanqi (Department of Computer Science and Technology, Xi’an JiaoTong University, Xi’an 710049,Shaanxi,China) ,  Xue Xiaorong (School of Electronics & Information Engineering Liaoning University of Technology (LUT), Jinzhou 121001 Liaoning, China) ,  Xue Xiaorong (School of Computer and Information Engineering, Anyang Normal University, Anyang, Henan 455000,China) ,  Song Donghong (School of Electronics & Information Engineering Liaoning University of Technology (LUT), Jinzhou 121001 Liaoning, China) ,  Song Donghong (School of Computer and Information Engineering, Anyang Normal University, Anyang, Henan 455000,China) ,  Xue Xiaoyong (The Middle School of Luonan County 726100, Shaanxi, China) ,  Wu Aihua (Department of AI & software Engineering, South China institute of software Engineering, Guangzhou University, Guangzhou 510990, Guangdong, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1616  号： 1  ページ： 012062 (14pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  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： [目的]合成開口レーダ(SAR)画像には多くのスペックルが含まれているため,従来の画像分類法によるSAR画像に対する良好な結果を得ることは困難である。しかし,SAR画像には,SAR画像セグメンテーションを容易にする豊富なテクスチャ情報がある。より多くのセグメンテーションまたはより少ないセグメンテーションを避けるために最適k値を計算するために使用するK-平均データクラスタ化の深い学習方法があり,ファジィ理論とニューラルネットワークの利点を用いて画像処理の分類精度を改良した。[方法]SAR画像の統計特性とファジィニューラルネットワーク解析の意味論に従って,深層学習意味解析とウェーブレット変換に基づく効率的画像分割法を提案し,分類の精度を達成した。最初に,SAR画像のテクスチャ特徴を,深い学習意味クラスタ化によって抽出した。第二に,SAR画像をSAR意味論に従って特性評価した。深い学習意味k-平均アルゴリズムの1つに基づいて,SSE(二乗誤差のSum)とSC(Silhouette係数)の最良k値反復を実行して,適切な値kを選択した。最後に,SAR画像のテクスチャ特徴に基づく深層学習セグメンテーションとフィルタ灰色成分ベクトルによって,SAR画像を分類して,画像の変化検出を容易にした。[結果]実験結果は,良好なk値検出がCPU/GPUプラットフォーム上で実行されることを示した。SAR画像をウェーブレットフィルタリングと深層学習意味法画像の間の2つの異なる結果と比較し,検出変化SARを通して分類された単一または多重標準は経験的手法よりも良く,次に,ラベルを精度および計算効率のために分類する。分類結果は,正確に改善した。[結論]k値クラスタの類似性計算は重要な前提条件であり,セグメンテーション条件に適した最適k値を選択する必要がある。方式は,k-平均クラスタ化の意味論的分類によって,性能のための影響と改良の適切なSAR画像分析を取る。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ベクトル ,  意味論 ,  *学習 ,  セグメンテーション ,  画像処理 ,  *クラスタ化 ,  *クラスタ ,  スペックル ,  合成開口レーダ ,  *ウェーブレット変換
準シソーラス用語： 画像セグメンテーション ,  画像分類 ,  *SAR画像 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： K-meansクラスタリング ,  ウェーブレット変換 ,  SAR画像 ,  深層学習 ,  意味 ,  統計的特徴 ,  ラベリング