文献

J-GLOBAL ID：202102284816263726   整理番号：21A2455434

異なるセンサからのスペクトルおよび可視画像のデータ融合による空間強化スペクトルアンミキシング【JST・京大機械翻訳】

Spatially Enhanced Spectral Unmixing Through Data Fusion of Spectral and Visible Images from Different Sensors

著者 (2件)： Kizel Fadi (Department of Mapping and Geoinformation Engineering, Civil and Environmental Engineering, Technion-Israel Institute of Technology, 32000 Haifa, Iseal) ,  Benediktsson Jon Atli (Faculty of Electrical and Computer Engineering, University of Iceland, 102 Reykjavik, Iceland)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 8  ページ： 1255  発行年： 2020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： スペクトルおよび可視画像の組合せを用いて,エンドメンバー分率マップを強化するための非混合フレームワークを提案した。新しい方法,空間情報支援学習(DFuSIAL)によるデータ融合は,低空間分解能のマルチスペクトル画像の融合のための学習過程と高空間分解能の可視RGB画像に基づいている。一般的に使用される方法とは異なり,DFuSIALは,異なるセンサからのデータを融合することを可能にする。この目的を達成するために,自動的に抽出した不変点を用いて学習プロセスを適用し,両画像において同じ土地被覆タイプを持つと仮定した。最初に,スペクトル画像に対する一組のエンドメンバーの割合マップを推定した。次に,空間特徴支援ニューラルネットワーク(SFFAN)を訓練し,RGB画像から抽出する学習(RISFLs)の画分,可視バンド,回転不変空間特徴間の関係を学習した。著者らの実験は,提案したDFuSIAL法が,参照地上真実と比較して,著しく強化された空間分解能と2%と4%の間の平均絶対誤差を有する分数マップを獲得することを示した。さらに,提案手法は,特にデータが異なる機器から,また,欠測データピクセルの場合に得られる場合,他の検討最先端手法よりも好ましいことを示した。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： 学習 ,  ニューラルネットワーク ,  *スペクトル ,  画素 ,  リモートセンシング ,  スペクトル画像 ,  センサ ,  土地被覆 ,  空間分解能 ,  *データ融合
準シソーラス用語： 空間情報 ,  マルチスペクトル画像 ,  *可視画像 ,  高空間分解能 ,  *スペクトルアンミキシング , 【Automatic Indexing@JST】

著者キーワード (6件)： リモートセンシング ,  スペクトルアンミキシング ,  マルチスペクトル画像 ,  データ融合 ,  空間分解能 ,  空間情報

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

引用文献 (62件)：

• Boreman, G.D. Classification of imaging spectrometers for remote sensing applications. Opt. Eng. 2005, 44, 013602.
• Garini, Y.; Young, I.T.; McNamara, G. Spectral imaging: Principles and applications. Cytom. Part. A 2006, 69, 735-747.
• Goetz, A.F.; Vane, G.; Solomon, J.E.; Rock, B.N. Imaging spectrometry for Earth remote sensing. Science 1985, 228, 1147-1153.
• Gat, N.; Subramanian, S.; Barhen, J.; Toomarian, N. Spectral imaging applications: Remote sensing, environmental monitoring, medicine, military operations, factory automation, and manufacturing. In Proceedings of the 25th Annual AIPR Workshop on Emerging Applications of Computer Vision, Washington, DC, USA, 26 February 1997; Volume 2962, pp. 63-77.
• Manolakis, D.; Shaw, G. Detection algorithms for hyperspectral imaging applications. IEEE Signal. Process. Mag. 2002, 19, 29-43.

タイトルに関連する用語 (5件)： スペクトル ,  可視画像 ,  データ融合 ,  強化 ,  スペクトルアンミキシング