文献

J-GLOBAL ID：202202214694008503   整理番号：22A0913861

リモートセンシング画像からの都市道路抽出に基づくクラスタリング点プロセスベースネットワークトポロジー構造【JST・京大機械翻訳】

Clustering Point Process Based Network Topology Structure Constrained Urban Road Extraction From Remote Sensing Images

著者 (4件)： Wu You (School of Geomatics, Liaoning Technical University, Fuxin, China) ,  Zhao Quanhua (School of Geomatics, Liaoning Technical University, Fuxin, China) ,  Shen Zhaoyu (School of Geomatics, Liaoning Technical University, Fuxin, China) ,  Li Yu (School of Geomatics, Liaoning Technical University, Fuxin, China)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 15  ページ： 2087-2098  発行年： 2022年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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： 都市場面のリモートセンシング画像から複雑な道路ネットワークを抽出するために,本論文は,クラスタ化点プロセス(CPP)ベースのネットワークトポロジー構造制約道路抽出アルゴリズムを提示する。最初に,CPPを構築して,道路システムにおけるエンドポイント,ベンド,および交差点のような特徴点をモデル化した。それに基づいて,初期ネットワークトポロジー構造を,線と点を接続することによって構築した。次に,道路のネットワーク構造特性とスペクトル特性に従って,ネットワークトポロジー構造制約モデルとスペクトル測定制約モデルをそれぞれ構築した。上記のモデルを結合することによって,道路抽出モデルをBayesの定理のフレームワークの下で構築する。最後に,道路抽出モデルからシミュレーションして,最適道路ネットワークを抽出するために,関連移動操作による解法戦略,可逆的ジャンプMarkov連鎖モンテカルロ(RJMCMC)シミュレーションアルゴリズムを,CPPとネットワークトポロジー構造に従って設計した。都市シーンに関するいくつかの高分解能リモートセンシング画像をテストした。バッファ評価法に従って,比較アルゴリズムと比較して,提案したアルゴリズムからの結果の精度と抽出率は,それぞれ平均で10.86%と8.75%増加した。提案したアルゴリズムが効果的に複雑な道路ネットワークを抽出することができることを証明した。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： アルゴリズム ,  *ネットワーク ,  交差点 ,  *道路 ,  道路網 ,  *都市 ,  Bayes推定 ,  *クラスタ化 ,  *画像 ,  モデル ,  構造特性 ,  高分解能
準シソーラス用語： *ネットワークトポロジー ,  特徴点 ,  *リモートセンシング画像 ,  スペクトル特性 , 【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 (4件)： リモートセンシング画像 ,  都市 ,  道路抽出 ,  クラスタリング