文献

J-GLOBAL ID：202102239416322192   整理番号：21A2342223

高分解能画像分類のためのクラスペア分離可能性を用いたオブジェクトベース特徴選択【JST・京大機械翻訳】

Object-based feature selection using class-pair separability for high-resolution image classification

著者 (1件)： Su Tengfei (Department of Surveying and Mapping Engineering, College of Water Conservancy And Civil Engineering, Inner Mongolia Agricultural University, Hohhot, Inner Mongolia, China)
資料名： International Journal of Remote Sensing  (International Journal of Remote Sensing)
巻： 41  号： 1  ページ： 238-271  発行年： 2020年 
JST資料番号： B0645B  ISSN： 0143-1161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 2006年以降のオブジェクトベース画像解析(OBIA)の人気の増大により,多数の分類とマッピングタスクが,この進化パラダイムから恩恵を受けることが報告されている。これらの研究において,セグメントは最初に作成され,セグメントレベル情報に基づく分類が続く。しかし,セグメントレベル特徴変数によって形成した特徴空間は非常に大きく,複雑であり,満足な分類性能を得るのに挑戦を与える。したがって,本研究は,セグメントレベル特徴のための新しい特徴選択アプローチを開発することを試みた。クラスペア分離の原理に基づき,セグメントレベル特徴をそれらのタイプに従ってグループ化した。各グループに対して,各セグメントレベルの特徴の対の分離に対する寄与を定量化した。すべての特徴グループとクラスペアの情報によって,分離性ランキングと出現頻度を,各々の特徴のために重要性スコアを計算するために考慮した。より重要度の高いスコアは,特徴を選択するためのより大きな適切性を意味する。2つのGaofen-2マルチスペクトル画像を用いて,提案した方法を検証した。実験結果は,いくつかの最先端の特徴選択手法に対する提案技法の利点を示した。(1)それはセグメントレベル特徴の数を減らし,冗長な情報を効果的に避けることができる。(2)提案した方式によって得られた特徴部分集合は,分類精度を改善する良い可能性を有する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 冗長性 ,  *特徴選択 ,  等級づけ
準シソーラス用語： マルチスペクトル画像 ,  分類精度 ,  出現頻度 ,  特徴空間 ,  オブジェクトベース画像解析 , 【Automatic Indexing@JST】

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (6件)： 高分解能画像 ,  分類 ,  クラス ,  分離可能性 ,  オブジェクト ,  特徴選択