文献

J-GLOBAL ID：202002284623790587   整理番号：20A2076369

森林応用のためのマルチスペクトルリモートセンシング画像のオブジェクトベース分類【JST・京大機械翻訳】

Object based Classification of Multispectral Remote Sensing Images for Forestry Applications

著者 (6件)： Suneetha Manne (Department of IT V.R. Siddhartha Engineering College, Vijayawada, Andhra Pradesh, India) ,  Boggavarapu L.N.P (Department of IT, V.R Siddhartha Engineering College, Vijayawada, Andhra Pradesh, India) ,  Vaddi Radhesyam (Department of IT, V.R Siddhartha Engineering College, Vijayawada, Andhra Pradesh, India) ,  Raja A. Ravi (Department of E.C.E, V.R Siddhartha Engineering College, Vijayawada, Andhra Pradesh, India) ,  Gopalakrishnan Rajashekar (Scientist ’SF’, Forestry and Ecology Group, National Remote Sensing Centre, Hyderabad, India) ,  S. Jha C. (Scientist ’H’ and Group Director, Forestry and Ecology Group, National Remote Sensing Centre, Hyderabad, India)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICIGP 2020  ページ： 153-157  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マルチスペクトル画像分類は,リモートセンシング画像解析における重要かつ複雑なタスクの1つである。分類性能を改善するために多くのアプローチが研究されている。これらの方法の大部分はピクセルベースの分類を使用する。これとは異なり,本論文では,線形および多角形のような幾何学的形状を用いて,ベクトルデータを用いるオブジェクトベース分類を提案した。Deimos-2とCartosat-1のようなリモートセンシング衛星画像のために,一連のステップを設計し実行した。全体精度(OA)とカッパ係数値は提案した方法の有効性を示した。これらの値は,Deimos-2データに対して,それぞれ93.6%および87%であった。しかし,Cartosat-1データ精度値は少なく,87.33%と81%であった。さらに,提案方法は,サポートされた標高データとともに,ツリーパラメータ推定において有用である。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画素 ,  *リモートセンシング ,  線形性 ,  パラメータ推定 ,  衛星利用画像 ,  有効性 ,  数値地形モデル
準シソーラス用語： *多重スペクトル ,  幾何形状 ,  マルチスペクトル画像 ,  ベクトルデータ ,  *リモートセンシング画像 ,  *オブジェクトベース分類 ,  標高データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 分類 ,  ディジタル標高モデル ,  林業応用 ,  多重スペクトル ,  リモートセンシング

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  写真測量,空中写真  (RC02040D) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： 森林 ,  応用 ,  マルチスペクトル ,  リモートセンシング画像 ,  オブジェクトベース分類