文献

J-GLOBAL ID：202202211557158756   整理番号：22A0456412

VP-Net:変分パンシャープニングのための解釈可能な深層ネットワーク【JST・京大機械翻訳】

VP-Net: An Interpretable Deep Network for Variational Pansharpening

著者 (4件)： Tian Xin (Electronic Information School, Wuhan University, Wuhan, China) ,  Li Kun (Electronic Information School, Wuhan University, Wuhan, China) ,  Wang Zhongyuan (School of Computer Science, Wuhan University, Wuhan, China) ,  Ma Jiayi (Electronic Information School, Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5402716.1-16  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,VP-Netと名付けた変分型パンシャープニング(VP)のための解釈可能な深層ネットワークを提案した。勾配のような線形演算子を用いた従来の事前とは違って,深いネットワークを通して学習できる非線形演算子により,パンクロマチック(PAN)と高分解能マルチスペクトル(HRMS)画像の類似性に基づく事前ベースを構築した。種々の衛星マルチスペクトル(MS)イメージングプラットフォームのスペクトル差を考慮して,著者らは,スペクトル歪みを減らすために,PAN画像から前述の類似性とHRMS画像の強度を特異的に探索した。この事前に基づいて,低解像度MS画像からデータ忠実度項をさらに組み込むことにより,新しいVPモデルを提案した。特に,このモデルに対する最適解のための可変分割法を非回転することによってVP-Netを構築した。その結果,VP-Netのすべてのモジュールは,明白な物理的意味と強い一般化能力を持った。一方,すべてのパラメータおよび前述の非線形演算子をVP-Netにおいて学習し,伝統的方法における最適手作業パラメータの選択の困難性を避けた。したがって,VP-Netは空間とスペクトル品質の間の最適なバランスを達成するだけでなく,異なる型の訓練とテストデータにわたって強い一般化能力を持っている。実験では,まず,異なる衛星データセットに関する視覚効果および定量分析の両方に関して,最先端技術の最新状態に対する提案手法の優位性を示した。さらに,リモートセンシングにおける可能性を実証するために正規化植生指数(NDVI)実験を行った。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *変分法 ,  *ネットワーク ,  定量分析 ,  スペクトル ,  視覚効果 ,  リモートセンシング ,  線形性 ,  分割法 ,  類似性 ,  深層 ,  高分解能 ,  正規化植生指数
準シソーラス用語： 最適解 ,  多重スペクトル ,  衛星データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： VP ,  変分 ,  深層