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。
【目的】合成開口レーダ(SAR)画像における画素強度の統計的分布は,複雑な特性を示すが,従来の混合モデルは,非対称,重い尾または多重ピークなどの特性分布をモデル化するのが難しい。SAR画像の統計分布を正確にモデル化し,高精度セグメンテーション結果を得るために,空間制約階層加重Gamma混合モデル(HWGaMM)を用いたSAR画像セグメンテーションアルゴリズムを提案した。方法:Gamma分布の加重と定義混合の組を用いて、同質領域内の画素強度の差異性と異質区域間のピクセル強度の類似性を考慮し、混合グループ重みと定義HWGaMM構造を採用した。Markov確率場(MRF)を用いて画素空間位置関係をモデル化し,中心画素とその近傍画素の事後確率を用いて,画素近傍関係をHWGaMMに導入し,空間制約HWGaMMを構築し,SAR画像内の固有スペックル雑音の影響を低減した。高速SAR画像セグメンテーションを実現するために,M-H(Metropolis-Hastings)と期待値最大化アルゴリズム(EM)を結合した。この解法は,M-Hアルゴリズムの低い効率の欠点を避けて,また,EMアルゴリズムは,Gamma分布における形状パラメータを解明するのに難しかった。【結果】3つの従来の混合モデル分割アルゴリズムを採用して,分割実験を行った。適合ヒストグラムの結果は,このアルゴリズムが複雑な統計的分布を正確にモデル化する能力を有することを示した。分割精度において,このアルゴリズムはGauss混合モデル(GMM),Gamma分布,およびGamma混合モデル(GaMM)に基づく分割アルゴリズムと比較して,それぞれ33%,29%,および9%増加した。分割時間において,提案したアルゴリズムは,GMMアルゴリズムより64秒多いが,Gamma分布およびGaMMアルゴリズムと比較して,それぞれ,600秒および420秒高速であった。従って,このアルゴリズムは,従来のM-Hアルゴリズムよりも分割効率が大きく改善された。【結論】空間制約HWGaMMのSAR画像セグメンテーションアルゴリズムを提案し,実験結果は,提案したHWGaMMアルゴリズムが,複雑な統計的分布を正確にモデル化する能力を持ち,高い精度と効率を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】