文献

J-GLOBAL ID：202202234397410449   整理番号：22A0553796

不完全および雑音データからのハイパースペクトルアンミキシングのための新しいNMF【JST・京大機械翻訳】

A Novel NMF Guided for Hyperspectral Unmixing From Incomplete and Noisy Data

著者 (4件)： Dong Le (School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University, Xi’an, China) ,  Lu Xiaoqiang (Chinese Academy of Sciences, Xi’an Institute of Optics and Precision Mechanics, Xi’an, China) ,  Liu Ganchao (School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University, Xi’an, China) ,  Yuan Yuan (School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical 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.5513515.1-15  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： 非負行列因数分解(NMF)結合空間光電子スペクトル情報は,ハイパースペクトル画像(HSI)の非混合に広く適用されている。しかし,適切な類似性画素を選択し,空間情報を調べ,複雑なデータに非混合アルゴリズムをどのように適応するかは,両方とも大きな課題である。本論文では,不完全で雑音の多いHSIデータに対してNMF(SSNPNMF)を保存する空間光電子スペクトル近傍と名付けた新しい非混合法を提案した。最初に,空間四角形スペクトルカーネル正則化器を導入して,HSIを前処理して,それはノイズと完全欠測要素を減少することができた。第二に,空間光電子スペクトル情報に基づく距離メトリックSSDを設計して,画像における類似画素を選択した。次に,選択した最初のk類似画素の空間光電子スペクトル関係を用いて画像を再構成し,再構成行列を得た。最後に,再構成行列を用いて,豊度を制約し,非混合性能を改善した。合成データとCupriteデータに関する実験結果は,SSNPNMFが最先端の方法と比較してより効果的な非混合性能を有することを示した。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： アルゴリズム ,  行列 ,  光電子スペクトル ,  混合 ,  *雑音 ,  情報 ,  データ ,  前処理 ,  画像 ,  画素 ,  再構成 ,  スペクトル画像 ,  正則化
準シソーラス用語： 空間情報 ,  ハイパースペクトル画像 ,  非負行列因子分解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 雑音 ,  ハイパースペクトルアンミキシング ,  NMF