文献

J-GLOBAL ID：202202238694993807   整理番号：22A0456428

空間およびスペクトル制約によるスペクトル異常ターゲットのためのハイパースペクトル異常検出【JST・京大機械翻訳】

Hyperspectral Anomaly Detection for Spectral Anomaly Targets via Spatial and Spectral Constraints

著者 (3件)： Li Zhuang (Department of Information Engineering, School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Ye (Department of Information Engineering, School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Junping (Department of Information Engineering, School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5511515.1-15  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： ハイパースペクトル画像(HSI)における異常検出は,その重要な応用要求のためリモートセンシングの分野で活発に研究されている。従来の方法は,異常ターゲットを検出する背景のための空間モデルに基づく。しかし,スペクトル異常ターゲットの検出において,それらは2つの問題をもたらした。1)スペクトル異常目標の空間特性は明らかではなく,検出において多くの誤警報を引き起こし,スペクトル異常は通常標的の局所バンドで生じ,一方,スペクトルの残りは周辺バックグラウンドのものと同様であり,それは見逃し検出に導く。本論文は,空間とスペクトル制約(SASCs)に基づくスペクトル異常ターゲットのための新規なハイパースペクトル異常検出法を提案した。このモデルは,SASCsによる空間異常結果として異常ターゲット部分が疑われる。次に,フィードバックプロセスは,テストした画素と周囲のバックグラウンドの間のスペクトル差を通してスペクトル異常を決定する。最終検出結果を得るために,空間異常結果にフィードバックした。さらに,バックグラウンドを抑圧しながら,異常とバックグラウンドの間のスペクトル差を拡大するために,分数Fourier変換(FrFT)の最適次数を,HSIのFrFTで使用される不確実性原理と空間異常結果を結合することによって決定する。実験結果は,提案方法がバックグラウンドを抑制し,誤警報率を減らすことを示した。フィードバック機構は,欠陥検出率を効果的に減らし,有望な検出精度を達成した。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： 不確実性 ,  故障検出 ,  *スペクトル ,  画素 ,  リモートセンシング
準シソーラス用語： *ハイパースペクトル ,  分数Fourier変換 ,  ハイパースペクトル画像 ,  誤警報 ,  異常検出 ,  空間モデル ,  検出精度 ,  空間特性 ,  誤警報率 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  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)： スペクトル ,  制約 ,  ターゲット ,  ハイパースペクトル ,  異常検出