文献

J-GLOBAL ID：202202261868987790   整理番号：22A0977532

サブ特徴グルーピングと二値蓄積を用いたハイパースペクトル異常検出アルゴリズム【JST・京大機械翻訳】

A Hyperspectral Anomaly Detection Algorithm Using Sub-Features Grouping and Binary Accumulation

著者 (5件)： Yuan Shurong (School of Aerospace Science and Technology, Xidian University, Xi’an, China) ,  Shi Lei (School of Aerospace Science and Technology, Xidian University, Xi’an, China) ,  Yao Bo (School of Aerospace Science and Technology, Xidian University, Xi’an, China) ,  Li Fangyan (School of Aerospace Science and Technology, Xidian University, Xi’an, China) ,  Du Yuefan (School of Aerospace Science and Technology, Xidian University, Xi’an, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6007505.1-5  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)のための既存の異常検出(AD)手法の大部分は,通常,高い計算複雑度のコストで,高い検出精度を達成する。実際の検出シナリオ(効率,ロバスト性,および精度)の要求を満たすために,この論文は,HSIのためのサブ特徴グループ化とバイナリ蓄積(SFBA)を通して,高速でロバストなADアルゴリズムを導入する。検出精度を改善するために,空間光電子スペクトル異常スコアリング戦略を提案した。HSIの多くのスペクトルサブ特徴を選択し,検出入力情報としてNグループに分割し,検出効率を改善するために,それぞれNグループデータに対して提案したスコアリング戦略を実行した。次に,バイナリ蓄積を導入して,各グループの検出結果を蓄積することによって,ADアルゴリズムのロバスト性を改善した。提案した検出アルゴリズムを実際のハイパースペクトルデータセットに関する既存のアルゴリズムと比較し,それによって,その強いロバスト性と低い計算量を同時に検証した。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 ,  検出 ,  光電子スペクトル ,  計算量 ,  検出効率 ,  ロバスト性
準シソーラス用語： *ハイパースペクトル ,  ハイパースペクトル画像 ,  スコア化 ,  異常検出 ,  検出精度 ,  *検出アルゴリズム ,  バイナリー ,  ハイパースペクトルデータ , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： サブ ,  グルーピング ,  二値 ,  蓄積 ,  ハイパースペクトル ,  異常検出 ,  アルゴリズム