文献

J-GLOBAL ID：202202223689325492   整理番号：22A0482408

隠れMarkovモデルに基づくマルチスペクトル時系列における異常検出と分類【JST・京大機械翻訳】

Anomaly Detection and Classification in Multispectral Time Series Based on Hidden Markov Models

著者 (4件)： Leon-Lopez Kareth M. (Department of Systems Engineering, Universidad Industrial de Santander, Bucaramanga, Colombia) ,  Mouret Florian (TerraNIS SAS, Ramonville-Saint-Agne, France) ,  Arguello Henry (Department of Systems Engineering, Universidad Industrial de Santander, Bucaramanga, Colombia) ,  Tourneret Jean-Yves (IRIT/INP-Ecole Nationale Superieure d’Electronique, d’Electrotechnique, d’Informatique, d’Hydraulique et des Telecommunications (ENSEEIHT)/TeSA, University of Toulouse, Toulouse, France)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5402311.1-11  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： マルチスペクトル画像のような衛星リモートセンシングデータからの農業モニタリングは,作物のタイムリーで正確な知識を提供する大きな可能性を示すので,強力な手段となっている。作物モニタリングのための多重スペクトルリモートセンシング画像の時系列における検出異常は,一般にピクセルレベルで歴史的データの大きなサンプルを用いて行われる。逆に,本論文では,隠れMarkovモデル(HMM)を用いて異常値を検出し位置決めするために,区画レベルで与えられた季節に含まれる時間情報を利用する異常検出(AD),位置決めおよび分類のためのフレームワークを提示した。特に,AD部分は,異常として参照される異常な作物区画を検出するために,第2段階で使われるラベルなし正常データに関連したHMMパラメータの学習に基づいている。また,学習HMMは,作物区画に影響する異常を時間的に局所化するために,時間セグメントで使用できる。検出および局所異常を,最終的にサポートベクトルマシンに基づいて,教師つき分類器を用いて分類した。提案したフレームワークは,雲によって部分的に覆われた画像に適用可能であり,作物輪作による同じ季節バイパス問題で取得した一組の作物区画を扱うことができる。実データが菜種作物のいくつかの多重時間Sentinel-2画像から抽出した植生指数に対応する,合成および実データについて数値実験を行った。提案した手法を標準AD法と比較し,異常を局在化し,特性化する利点を有する良好な検出率を得た。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： 学習 ,  農作物 ,  菜種 ,  画素 ,  多重化 ,  輪作 ,  異常値 ,  *隠れMarkovモデル ,  サポートベクトルマシン
準シソーラス用語： *多重スペクトル ,  マルチスペクトル画像 ,  数値実験 ,  リモートセンシング画像 ,  衛星リモートセンシング ,  教師付き分類 , 【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 (5件)： 隠れMarkovモデル ,  マルチスペクトル ,  時系列 ,  異常検出 ,  分類