文献

J-GLOBAL ID：202202240356431595   整理番号：22A0397496

改良汎関数主成分分析を用いたハイパースペクトル画像のスペクトル空間分類【JST・京大機械翻訳】

Spectral-Spatial Classification of Hyperspectral Image Using Improved Functional Principal Component Analysis

著者 (5件)： Xue Feng (College of Finance and Statistics, Hunan University, Changsha, China) ,  Tan Falong (College of Finance and Statistics, Hunan University, Changsha, China) ,  Ye Zhijing (School of Science, Wuhan University of Technology, Wuhan, China) ,  Chen Jiaqing (School of Science, Wuhan University of Technology, Wuhan, China) ,  Wei Yantao (Educational Informatization Research Center of Hubei, Central China Normal University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.5507105.1-5  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： 機能主成分分析(FPCA)法は,ハイパースペクトル画像(HSI)分類におけるデータ,大きな情報冗長性,およびノイズ干渉の高次元の問題を,効果的に解決することができた。しかし,この教師なしFPCAは,訓練サンプルまたは空間情報のラベル情報を完全に利用することができず,満足な分類結果を得ることは不可能である。本レターでは,HSI分類のための一連の改良FPCA法を提案した。最初に,Bスプライン基底システムを,機能的データ適合モデルを確立するために用い,そしてそれは,離散スペクトル情報を連続スペクトル曲線に変換し,そして,機能的特徴抽出のための基礎を築くことができた。第二に,教師付きFPCA(SFPCA)法を構築して,訓練サンプルのラベル情報を完全に利用して,より効果的な機能特徴を抽出した。さらに,訓練サンプルの欠如を克服するために,2つの半教師つきFPCA(SSFPCA)法を,より識別的な機能的特徴を抽出し,分類精度を改善するために提案する。最後に,各画素の空間情報を抽出するためにHSI上で局所平均フィルタリング法を実行し,次に改良FPCAに基づくスペクトル空間分類フレームワークを設計した。一般的に使用されるHSIデータセットに関する実験は,改良FPCAがFPCAより高い分類精度を達成することができて,提案した機能的スペクトル空間分類フレームワークが分類精度を大いに改良することができることを示した。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： 干渉 ,  雑音 ,  冗長性 ,  基底 ,  フィルタリング ,  特徴抽出 ,  *汎関数 ,  *スペクトル ,  画素 ,  高次元 ,  *主成分分析 ,  Bスプライン
準シソーラス用語： 空間情報 ,  *ハイパースペクトル画像 ,  分類精度 , 【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 (5件)： 汎関数 ,  主成分分析 ,  ハイパースペクトル画像 ,  スペクトル ,  分類