文献

J-GLOBAL ID：202102218683642220   整理番号：21A2452904

局所性情報による適応結合スパース表現とマルチタスク学習によるハイパースペクトルターゲット検出【JST・京大機械翻訳】

Hyperspectral Target Detection via Adaptive Joint Sparse Representation and Multi-Task Learning with Locality Information

著者 (5件)： Zhang Yuxiang (Hubei Subsurface Multi-Scale Imaging Key Laboratory, Institute of Geophysics and Geomatics, China University of Geosciences, Wuhan 430074, China) ,  Wu Ke (Hubei Subsurface Multi-Scale Imaging Key Laboratory, Institute of Geophysics and Geomatics, China University of Geosciences, Wuhan 430074, China) ,  Du Bo (School of Computer, Wuhan University, Wuhan 430079, China) ,  Zhang Liangpei (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, Wuhan 430079, China) ,  Hu Xiangyun (Hubei Subsurface Multi-Scale Imaging Key Laboratory, Institute of Geophysics and Geomatics, China University of Geosciences, Wuhan 430074, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 5  ページ： 482  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ハイパースペクトル画像からのターゲット検出は重要な問題であるが,同時にスペクトル冗長性を減らし,識別情報を保存するという重大な課題に直面している。最近,共同スパース表現とマルチタスク学習(JSR-MTL)アプローチを,課題に対処するために提案した。しかし,訓練サンプルの事前クラスラベル情報と,モデルを構築するとき,目標辞書と背景辞書の間の差異を完全に調査しなかった。さらに,変数選択において通常矛盾する最小化を用いて,未知係数行列に対する推定バイアスが存在する。これらの問題に取り組むため,本論文では,局所情報(JSRMTL-ALI)を用いた適応関節スパース表現とマルチタスク学習検出器を提案した。提案方法には以下の能力がある。(1)それは,適応関節スパース表現とマルチタスク学習モデルを構築するために,事前クラスラベル情報を完全に利用する。(2)タスク関連性をよりよく符号化するために,異なる正則化戦略による目標辞書と背景辞書の間の大きな差異を調査する。(3)推定バイアスを減らすために,係数行列に反復重みを課すことによって局所情報を適用する。広範な実験を3つのハイパースペクトル画像について行い,JSRMTL-ALIは,他のターゲット検出法よりも一般的に良好な検出性能を示すことを見出した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 冗長性 ,  *スペクトル ,  検出器 ,  バイアス ,  正則化 ,  *局所性
準シソーラス用語： *ハイパースペクトル ,  ハイパースペクトル画像 ,  検出能 ,  矛盾 ,  ターゲット検出 ,  *スパース表現 ,  係数行列 ,  変数選択 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： ハイパースペクトル画像 ,  ターゲット検出 ,  マルチタスク学習 ,  スパース表現 ,  局所性情報

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (34件)：

• Manolakis, D.; Truslow, E.; Pieper, M.; Cooley, T.; Brueggeman, M. Detection Algorithms in Hyperspectral Imaging Systems: An Overview of Practical Algorithms. IEEE Signal Process. Mag. 2014, 31, 24-33.
• Nasrabadi, N.M. Hyperspectral Target Detection: An Overview of Current and Future Challenges. IEEE Signal Process. Mag. 2014, 31, 34-44.
• Kang, X.; Li, S.; Benediktsson, J.A. Feature Extraction of Hyperspectral Images with Image Fusion and Recursive Filtering. IEEE Trans. Geosci. Remote Sens. 2014, 52, 3742-3752.
• Landgrebe, D. Hyperspectral Image Data Analysis. IEEE Signal Process. Mag. 2002, 19, 17-28.
• Yuan, Y.; Ma, D.; Wang, Q. Hyperspectral Anomaly Detection by Graph Pixel Selection. IEEE Trans. Cybern. 2016, 46, 3123-3134.

タイトルに関連する用語 (6件)： 局所性 ,  適応 ,  スパース表現 ,  マルチタスク学習 ,  ハイパースペクトル ,  ターゲット検出