文献

J-GLOBAL ID：202202232710886709   整理番号：22A0397473

ハイパースペクトル画像分類のための多視点スペクトル没入空間特徴抽出と融合フレームワーク【JST・京大機械翻訳】

A Multiview Spectral-Spatial Feature Extraction and Fusion Framework for Hyperspectral Image Classification

著者 (3件)： Feng Jia (Department of Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Junping (Department of Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Ye (Department of Information Engineering, Harbin Institute of Technology, Harbin, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.5504805.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： ハイパースペクトル画像(HSI)は,スペクトル,テクスチャ,および形状特徴のような分類に役立つ豊富で多様な特徴を提供できる。これらの特徴の組合せは,土地被覆の異なるクラスの特性を記述する能力を強化することができる。しかしながら,既存の方法の多くは,通常,高次元データを構築するために複数の視点から特徴をスタックし,それから,異なる特徴空間に固有の情報を浪費するかもしれない情報を学習する。本レターでは,HSIの解析と分類のための多視点スペクトル-空間特徴抽出(FE)と融合フレームワークを提案した。最初に,拡張多属性プロファイル(EMAP),グレイレベル共起行列(GLCM),および元のHSIからのGaborによって抽出した異なる相補的空間特徴を,それぞれ,HSIの単一シーンのためのマルチビューデータセットを構築するために,スペクトルバンドで積み重ねた。従って,各試料は異なるスペクトル-空間領域で表現できる。次に,限られたラベル付きサンプルからの識別情報と大域的視点から局所近傍構造を維持することを目的とする改良近傍保存埋込み(NPE)を組み合わせた局所フィッサ判別解析(LFDA)を結合した半教師つきFE法を,冗長情報を除去し,多視点スペクトル-空間特徴を得るために多視点データセットに適用した。サンプル間の類似性測度に空間画素間相関を加える改良NPEを,ラベルなしサンプルよりもすべてのサンプルに適用し,従って,各サンプルに対する最良の空間近傍を全データから見出すことができた。最後に,これらの多視点特徴を多様性と相補性で統合し,各サンプルに対する完全な特徴表現を構築した。実験結果は,提案方法がHSI分類のために最先端のマルチビューFE方式より優れていることを示した。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： 測度 ,  *特徴抽出 ,  *スペクトル ,  画素 ,  相補性 ,  判別分析 ,  類似性 ,  スペクトルバンド ,  土地被覆
準シソーラス用語： グレイレベル ,  *ハイパースペクトル画像 ,  共起行列 ,  形状特徴 ,  特徴空間 ,  高次元データ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： ハイパースペクトル画像分類 ,  視点 ,  スペクトル ,  特徴抽出 ,  融合 ,  フレームワーク