文献

J-GLOBAL ID：202202232333802076   整理番号：22A0416517

水指数と人工ニューラルネットワークに基づく高分解能リモートセンシング画像からの河川海岸線認識【JST・京大機械翻訳】

River Shoreline Recognition from High Resolution Remote Sensing Imagery Based on Water Index and Artificial Neural Network

著者 (2件)： Yao Yuan (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Li Linyi (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 757  ページ： 115-123  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 高分解能リモートセンシング画像からの河川 shoreline線認識は,リモートセンシングおよび関連研究および応用分野におけるホットスポットである。高分解能リモートセンシング画像における河川海岸線の複雑性のために,海岸線の自動認識はまだ難しく,それは更なる開発を必要とする。本論文では,水指数と人工ニューラルネットワークの統合に基づく,河川 shoreline線認識のための新しい知的方法を提案した。認識アルゴリズムにおける重要課題を分析し,認識アルゴリズムを開発した。Changjiang川とZhujiang川の2つの代表的区域を,研究地域として選択した。対応するGF-1とGF-2マルチスペクトル画像を実験データとして用いた。提案方法と従来法による認識結果の視覚的比較と定量的評価を与えた。実験結果は,提案方法が,伝統的方法より効果的で,より良く,河川海岸線の最も満足な認識結果を得たことを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  *ニューラルネットワーク ,  *河川 ,  *海岸線 ,  *リモートセンシング ,  ホットスポット ,  *高分解能
準シソーラス用語： マルチスペクトル画像 ,  自動認識 ,  認識アルゴリズム ,  複雑性 ,  定量的評価 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： 高分解能リモートセンシング画像 ,  河川海岸線 ,  知的認識 ,  水指数 ,  人工ニューラルネットワーク

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (7件)： 水 ,  指数 ,  人工ニューラルネットワーク ,  高分解能 ,  リモートセンシング画像 ,  河川 ,  海岸線