文献

J-GLOBAL ID：202102291921451137   整理番号：21A2572954

適応結合制約モデルによる単一リモートセンシング画像超解像【JST・京大機械翻訳】

Single Remote Sensing Image Super-Resolution with an Adaptive Joint Constraint Model

著者 (6件)： Fu Lingli (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  Ren Chao (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  Ren Chao (Key Laboratory of Wireless Power Transmission of Ministry of Education, College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  He Xiaohai (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  Wu Xiaohong (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  Wang Zhengyong (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 5  ページ： 1276  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  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： 遠隔センシング画像は,多くの応用で広く使われてきた。しかし,得られたリモートセンシング画像の分解能は,いくつかの応用に対する増加する要求に合致しない。一般に,スパース表現ベースの超解像(SR)法は,この問題を解決するための最も一般的な方法の1つである。しかし,従来のスパース表現SR法は,画像の相補的制約を完全に利用しない。したがって,それらは未知のHR画像を正確に再構成できない。この問題に取り組むため,単一リモートセンシング画像SRに対するスパース表現に基づく新しい適応結合制約(AJC)を提案した。最初に,非局所自己相似性を用いて非局所制約を構築した。第二に,画像の局所勾配に従って局所構造フィルタを提案し,次に局所制約を構築した。次に,非局所および局所制約をスパース表現ベースのSRフレームワークに導入した。最後に,関節拘束モデルのパラメータを,画像ノイズのレベルに従って適応的に選択した。AJCにおける最小化問題に取り組むために交互反復アルゴリズムを利用した。実験結果は,提案方法が画像詳細を保存する際に良いSR性能を達成して,客観的評価指数を著しく改良することを示した。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： フィルタ ,  分解能 ,  最小化問題 ,  再構成 ,  *超解像 ,  自己相似性
準シソーラス用語： 局所構造 ,  客観評価 ,  反復アルゴリズム ,  *リモートセンシング画像 ,  スパース表現 ,  画像雑音 , 【Automatic Indexing@JST】

著者キーワード (5件)： 単一リモートセンシング画像 ,  超分解能(SR) ,  スパース表現 ,  非局所自己相似性 ,  局所構造フィルタ

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

引用文献 (53件)：

• Lu, X.; Zheng, X.; Yuan, Y. Remote sensing scene classification by unsupervised representation learning. IEEE Trans. Geosci. Remote. Sens. 2017, 55, 5148-5157.
• Zhu, Q.; Zhong, Y.; Wu, S.; Zhang, L.; Li, D. Scene Classification Based on the Sparse Homogeneous-Heterogeneous Topic Feature Model. IEEE Trans. Geosci. Remote. Sens. 2018, 56, 2689-2703.
• Belward, A.S.; Skøien, J.O. Who launched what, when and why; trends in global land-cover observation capacity from civilian earth observation satellites. ISPRS J.Photogramm. Remote. Sens. 2015, 103, 115-128.
• Duan, H.; Gan, L. Elitist chemical reaction optimization for contour-based target recognition in aerial images. IEEE Trans. Geosci. Remote. Sens. 2015, 53, 2845-2859.
• Pei, J.; Huang, Y.; Huo, W.; Zhang, Y.; Yang, J.; Yeo, T.S. SAR Automatic Target Recognition Based on Multiview Deep Learning Framework. IEEE Trans. Geosci. Remote. Sens. 2018, 56, 2196-2210.

タイトルに関連する用語 (5件)： 適応 ,  制約 ,  モデル ,  リモートセンシング画像 ,  超解像