ハイブリッド前処理リモートセンシング画像上のLSTM分類器を用いた人間グループベース粒子群最適化アルゴリズムを用いた土地利用と土地被覆分類【JST・京大機械翻訳】

Babu R. Ganesh; Maheswari K. Uma; Zarro C.; Parameshachari B. D.; Ullo S. L.

プレプリント

J-GLOBAL ID：202202200202152388 整理番号：22P0178391

ハイブリッド前処理リモートセンシング画像上のLSTM分類器を用いた人間グループベース粒子群最適化アルゴリズムを用いた土地利用と土地被覆分類【JST・京大機械翻訳】

Land Use and Land Cover Classification using a Human Group based Particle Swarm Optimization Algorithm with a LSTM classifier on hybrid-pre-processing Remote Sensing Images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年08月04日プレプリントサーバーでの情報更新日： 2020年11月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

リモートセンシング画像を用いた土地利用と土地被覆(LULC)分類は,多くの環境モデリングと土地利用インベントリにおいて重要な役割を果たす。本研究では,深層学習分類器と共にハイブリッド特徴最適化アルゴリズムを提案し,LULC分類の性能を改善し,野生生物生息地を予測し,環境品質を悪化させ,hap危険を悪化させ,Sat4,Sat6およびEurosatデータセットを用いて,LULC分類を評価した。リモートセンシング画像の選択後,正規化とヒストグラム等化法を用いて画像の品質を改善した。次に,選択した画像から特徴抽出のために,局所Gaborバイナリパターンヒストグラムシーケンス(LGBPHS),指向勾配(HOG)のヒストグラムおよびHaralickテクスチャ特徴を用いて,ハイブリッド最適化を達成した。このハイブリッド最適化の利点は,色およびグレースケール画像に対する高い識別力および不変性である。次に,人間グループベースのパーティクルスウォーム最適化(PSO)アルゴリズムを,最適特性を選択するために適用して,その利益は,高速収束速度であり,実行が容易であった。最適特徴値を選択した後,長い短期メモリ(LSTM)ネットワークを利用してLULCクラスを分類した。実験結果は,LSTM分類装置による人間グループベースのPSOアルゴリズムが,分類精度,再現と精度に関して土地利用と土地被覆クラスを効果的に区別することを示した。提案方法を適用するとき,既存のモデルGoogleNet,VGG,AlexNet,ConvNetと比較して,精度の2.56%の改善を達成した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

リモートセンシング一般 , パターン認識 , 写真測量,空中写真

, , , , , , , ,

前のページに戻る