文献
J-GLOBAL ID:202002257773442744   整理番号:20A1067828

ニューラルネットワークと伝統的アプローチ融合に基づく自動ターゲット認識のための赤外線画像複雑度計量【JST・京大機械翻訳】

Infrared Image Complexity Metric for Automatic Target Recognition Based on Neural Network and Traditional Approach Fusion
著者 (5件):
資料名:
巻: 45  号:ページ: 3245-3255  発行年: 2020年 
JST資料番号: W4051A  ISSN: 2193-567X  資料種別: 逐次刊行物 (A)
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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
赤外線画像複雑度計量は,自動ターゲット認識(ATR)性能評価において重要な役割を果たす。特に,赤外画像技術の開発により,ATRのための多くの優れた赤外線画像複雑性計量がある。しかし,関連する研究では,不完全性の2つの側面がある。(1)個々の特徴の影響のみを考慮し,特性間の相互作用を無視した。そして,(2)これらの計量はすべて熱画像処理プロセスの劣化を考慮しない。不完全性を克服するために,特性と劣化影響の間の相互作用を考慮する赤外線画像複雑性を評価する新しい判定基準を提案した。まず第一に,特性間の相補的利点を達成するために,特徴空間を導入して,3つの画像複雑性指標,すなわち特徴空間分解複雑性(FSDC),グローバル背景の特徴空間類似度,および局所背景の特徴空間occul中度を確立した。各指標を特徴空間により統合し,補完的利点を得た。第二に,熱画像処理プロセスの劣化を考慮するために,ニューラルネットワークを訓練してFSDCを得た。さらに,特徴空間をピアソンの相関分析により完成し,各指標がより合理的であるように関連特徴を除去した。最後に,改良解析階層プロセスを用いて3つの画像複雑性指標を接続した。実験結果は,提案したアルゴリズムが従来の統計的分散と信号対雑音比より実際の状況とより一貫していることを示した。Copyright King Fahd University of Petroleum & Minerals 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般  ,  パターン認識 

前のページに戻る