文献

J-GLOBAL ID：202202215961057097   整理番号：22A0844659

Landsat画像の空間分解能強化のためのCNNベース再スケーリングアルゴリズムと性能解析【JST・京大機械翻訳】

A CNN-based rescaling algorithm and performance analysis for spatial resolution enhancement of Landsat images

著者 (7件)： Wang Qing (School of Earth Systems and Sustainability, Southern Illinois University Carbondale, Carbondale, IL, USA) ,  Wang Qing (Environmental Resources and Policy, Southern Illinois University Carbondale, Carbondale, IL, USA) ,  Howard Heidi R. (U.S. Army Engineer Research and Development Center (ERDC), Construction Engineering Research Laboratory (CERL), Champaign, IL, USA) ,  Mcmillan Juliana M. (U.S. Army Engineer Research and Development Center (ERDC), Construction Engineering Research Laboratory (CERL), Champaign, IL, USA) ,  Wang Guangxing (School of Earth Systems and Sustainability, Southern Illinois University Carbondale, Carbondale, IL, USA) ,  Xu Xiaoyu (School of Earth Systems and Sustainability, Southern Illinois University Carbondale, Carbondale, IL, USA) ,  Xu Xiaoyu (Environmental Resources and Policy, Southern Illinois University Carbondale, Carbondale, IL, USA)
資料名： International Journal of Remote Sensing  (International Journal of Remote Sensing)
巻： 43  号： 2  ページ： 607-629  発行年： 2022年 
JST資料番号： B0645B  ISSN： 0143-1161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究は,CNNベースのモデルを訓練するためのより微細な分解能バンドのないランドサット画像の空間分解能強化のための新しい畳み込みニューラルネットワーク(CNN)ベースのモデルを提案した。その性能を,種々の地形特徴,および土地利用と土地被覆タイプが支配する8つの異なる地域からのLandsat 8画像を用いて,バイキュービック(BIC),最近傍(NN)およびLanczos(LZ)再サンプリングと比較して評価した。15m,10mおよび7.5mの30m分解能画像の空間分解能増強に対して,提案モデルは,比較した方法と比較して,平均ピーク信号対雑音比(PSNR)値を1.7%から11.5%まで増加させた。PSNRは0.05の有意レベルでゼロと統計的に有意に異なったが,入力画像の空間分解能が微細になると改善は減少した。さらに,CNNモデルはより深くなるが,9層の後,性能の利得は減速した。これは,提案アルゴリズムが,より微細な空間分解能画像の入力なしで,光学画像の空間分解能強化のために有望であることを示した。Please refer to the publisher for the copyright holders. 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 ,  土地利用 ,  分解能 ,  利得 ,  光学画像 ,  性能分析 ,  土地被覆 ,  空間分解能 ,  LANDSAT
準シソーラス用語： リサンプリング ,  ピーク信号対雑音比 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 光学画像 ,  空間分解能増強 ,  畳込みニューラルネットワーク ,  層深さ ,  土地被覆型

分類 (3件)： 都市問題,都市防災  (RD01030O) ,  写真測量,空中写真  (RC02040D) ,  自然災害  (RA02030M)

タイトルに関連する用語 (7件)： LANDSAT ,  空間分解能 ,  強化 ,  CNN ,  スケーリング ,  アルゴリズム ,  性能解析