文献

J-GLOBAL ID：202102240804567904   整理番号：21A2342336

グラフベースウェーブレット変換を用いたハイパースペクトル画像分類【JST・京大機械翻訳】

Hyperspectral image classification using graph-based wavelet transform

著者 (3件)： Zikiou Nadia (Laboratory of Analysis and Modeling of Random Phenomena (LAMPA), UMMTO, Tizi-Ouzou, Algeria) ,  Lahdir Mourad (Laboratory of Analysis and Modeling of Random Phenomena (LAMPA), UMMTO, Tizi-Ouzou, Algeria) ,  Helbert David (XLIM Research Institute (UMR CNRS 7252), University of Poitiers, Poitiers, France)
資料名： International Journal of Remote Sensing  (International Journal of Remote Sensing)
巻： 41  号： 7  ページ： 2624-2643  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： データ情報を効率的に抽出するためにグラフベースの方法を開発した。特に,これらの方法を,加重グラフに関する情報の利用による高次元データ分類のために採用した。本論文では,グラフベースウェーブレット変換に基づく新しいハイパースペクトルテクスチャ分類器を提案した。この最近のグラフ変換により,ハイパースペクトル画像のスパース代表的画素を用いて,構成加重グラフからテクスチャ特徴を抽出することができた。代表的画素間のスペクトル類似性の異なる測定を試験し,近接画素をデコレートし,分類精度を改善した。ハイパースペクトルテクスチャ分類を達成するために,サポートベクトルマシンをスペクトルグラフウェーブレット係数に適用した。航空機搭載可視/赤外線撮像分光計(AVIRIS)と反射光システムイメージング分光計(ROSIS)データセットに提案した方法を適用することにより得られた実験結果は,98.7%を超える良好な精度を提供した。従来の深層学習ベースの方式として他の有名な分類方法と比較して,提案方法はより良い分類性能を達成した。結果は,ロバスト性と精度に関してこの方法の有効性を示した。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： *スペクトル ,  画素 ,  分光計 ,  ロバスト性 ,  *ウェーブレット変換 ,  サポートベクトルマシン
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 ,  分類精度 ,  航空機搭載 ,  AVIRIS ,  画像分光計 ,  テクスチャー分類 ,  テクスチャ特徴 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： グラフ ,  ウェーブレット変換 ,  ハイパースペクトル画像分類