文献

J-GLOBAL ID：202202231319872331   整理番号：22A0977165

入力雑音を考慮したMODISおよびLandsat画像融合のためのロバストモデル【JST・京大機械翻訳】

A Robust Model for MODIS and Landsat Image Fusion Considering Input Noise

著者 (5件)： Tan Zhenyu (College of Urban and Environmental Sciences and the Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Northwest University, Xi’an, China) ,  Gao Meiling (School of Geology Engineering and Geomatics, Chang’an University, Xi’an, China) ,  Yuan Jun (College of Urban and Environmental Sciences, Northwest University, Xi’an, China) ,  Jiang Liangcun (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Duan Hongtao (College of Urban and Environmental Sciences, Northwest University, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5407217.1-17  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： リモートセンシング画像の時空間融合において著しい進展がなされてきた。しかし,ほとんどのモデルは,クラウドの自由な入力を必要とし,欠測データなしで,実際にそれらの応用を制約する。深層学習技術の最近の進歩により,強力なモデリング能力を,この問題に潜在的解決策をもたらすために活用することができた。本論文は,入力雑音を自動的に処理するために,二重時間参照による生成敵対ネットワークと注意機構に基づくロバスト時空間融合ネットワーク(RSFN)という新しいアーキテクチャを提案する。RSFNは,予測日に1つの粗い解像度画像と,モデル入力として予測日の前と後の2つの参照微細解像度画像を必要とするだけであった。最も注目すべきことに,参照画像のデータ品質に特別の制約はない。他のモデルとの比較は,MODISとLandsat画像を用いた4つの研究地域で,RSFNモデルの定量的および視覚的有効性を実証した。2つの主な結論は実験から引き出せる。最初に,入力データノイズはRSFNの予測結果にほとんど影響を及ぼさず,RSFNは同等またはより高い精度を得ることができる。逆に,他の方法は入力雑音に対して限られた抵抗しか示さない。第2に,雲汚染参照によるRSFNは,同じ期間の間,同じ研究区域でデータフィルタリングの後,雲のない参考によって他のモデルより性能が良かった。衛星データ品質は,通常著しく変化した。モデルロバスト性とフォールトトレランスは,実際の応用に対して重要であると考えられる。RSFNは,不完全データ入力との時空間融合のために設計された高精度とフォールトトレランスを有する単純なエンドツーエンド深層モデルであり,実用化における有望な展望を示した。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： *雑音 ,  視覚 ,  ネットワーク ,  *画像処理 ,  モデリング ,  *画像 ,  エンドツーエンド方式 ,  *モデル ,  *分光放射計 ,  フォールトトレランス ,  計算機アーキテクチャ ,  *ロバスト性 ,  機械学習
準シソーラス用語： *MODIS ,  *画像融合 ,  データ品質 ,  リモートセンシング画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 雑音 ,  MODIS ,  LANDSAT ,  画像融合