文献

J-GLOBAL ID：202002290106148529   整理番号：20A1204311

合成開口レーダ(SAR)画像のための顕著性解析に基づく新しい生物学にヒントを得た目標検出法【JST・京大機械翻訳】

A novel biologically-inspired target detection method based on saliency analysis for synthetic aperture radar (SAR) imagery

著者 (5件)： Ma Fei (School of Electronic and Information Engineering, Beihang University, Beijing 100191, China) ,  Gao Fei (School of Electronic and Information Engineering, Beihang University, Beijing 100191, China) ,  Wang Jun (School of Electronic and Information Engineering, Beihang University, Beijing 100191, China) ,  Hussain Amir (School of Computing, Edinburgh Napier University, Edinburgh, UK) ,  Zhou Huiyu (Department of Informatics, University of Leicester, Leicester LE1 7RH, UK)
資料名： Neurocomputing  (Neurocomputing)
巻： 402  ページ： 66-79  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 生物学的に触発された攻撃(FOA)機構によって駆動される顕著性オブジェクト検出(SOD)モデルは,非常に正確な顕著性マップをもたらすことができる。しかしながら,高分解能合成開口レーダ(SAR)画像におけるそれらの応用は,複雑な背景のために多くの困難な問題を伴う。本論文では,大規模SAR画像における車両ターゲットを検出するための新しい階層的自己拡散顕著性(HSDS)法を提案した。顕著性解析に及ぼすクラッタの影響を減少させるために,著者らは,顕著性拡散の間,スーパーピクセルの最適な初期の顕著性を獲得するために,トレーニングセットからの重みベクトルを学習した。背景物体の多重サイズを説明することにより,多重スケール空間において顕著性解析を実行し,多重スケールの顕著性マップを統合するために用いた顕著性融合戦略を用いた。シミュレーション実験により,提案した方法が,ベンチマーク手法と比較して,誤警報の低減により,より正確で安定な検出性能を生成できることを実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自己拡散 ,  シミュレーション ,  ベクトル ,  画素 ,  多重化 ,  *検出法 ,  クラッタ ,  高分解能 ,  ベンチマーク ,  *合成開口レーダ
準シソーラス用語： 物体検出 ,  誤警報 ,  SAR画像 ,  顕著性マップ , 【Automatic Indexing@JST】

著者キーワード (5件)： 生体視覚システム ,  顕著性検出 ,  注意の焦点(FOA) ,  ターゲット検出 ,  合成開口レーダ(SAR)

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  レーダ  (ND13010H)

タイトルに関連する用語 (7件)： 合成開口レーダ ,  SAR ,  解析 ,  生物学 ,  ヒント ,  目標 ,  検出法