文献

J-GLOBAL ID：202202214416484541   整理番号：22A0202687

畳込みニューラルネットワークによる新しい非混合ベースのハイパーシャープニング法【JST・京大機械翻訳】

A Novel Unmixing-Based Hypersharpening Method via Convolutional Neural Network

著者 (4件)： Lu Xiaochen (School of Information Science and Technology, Donghua University, Shanghai, China) ,  Li Tong (Information System Laboratory, Shanghai Institute of Satellite Engineering, Shanghai, China) ,  Zhang Junping (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Jia Fengde (School of Information Science and Technology, Donghua University, Shanghai, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5503614.1-14  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： ハイパーシャープニング(すなわち,ハイパースペクトル(HS)とマルチスペクトル(MS)画像融合)は,補助高分解能MS画像によるHS画像の空間分解能の強化を目的とする。現在,多数の超シャープ化法が連続的に提案され,その中で,非混合ベースアプローチが広く研究され,スペクトル忠実度面での有効性を実証した。しかし,既存の非混合ベース融合法は,スペクトル混合モデルを解くための数学的技法を実質的に採用し,これは,通常,豊度推定改善のために有用な協調空間光電子スペクトル情報を完全に利用することなしに,そのスペクトル混合モデルを解く。この欠点を克服するために,本論文では,畳み込みニューラルネットワーク(CNN)による新しい非混合ベースHSとMS画像融合法を提案して,スペクトル忠実度を促進した。本研究の主なアイデアは,CNNを用いて,HSとMS画像の空間情報とスペクトル情報を同時に探索し,それによって,豊度マップを推定する精度を強化することである。4つのシミュレーションおよび実際のリモートセンシングデータセットに関する実験は,提案方法がいくつかの最先端アルゴリズムと比較して融合画像のスペクトル忠実度に有益であることを証明した。一方,実行は容易であり,実行時間においてある利点を持つ。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： アルゴリズム ,  光電子スペクトル ,  *スペクトル ,  有効性 ,  高分解能 ,  空間分解能
準シソーラス用語： 空間情報 ,  ハイパースペクトル ,  多重スペクトル ,  画像融合 ,  実行時間 ,  融合画像 ,  混合モデル ,  リモートセンシングデータ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

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)

タイトルに関連する用語 (1件)： 畳込みニューラルネットワーク