文献

J-GLOBAL ID：202202262017314204   整理番号：22A0977523

PolSAR-SSN:PolSAR画像分類のためのエンドツーエンドスーパーピクセルサンプリングネットワーク【JST・京大機械翻訳】

PolSAR-SSN: An End-to-End Superpixel Sampling Network for PolSAR Image Classification

著者 (6件)： Wang Lei (Hubei Key Laboratory of Optical Information and Pattern Recognition, School of Electrical and Information Engineering, Wuhan Institute of Technology, Wuhan, China) ,  Hong Hanyu (Hubei Key Laboratory of Optical Information and Pattern Recognition, School of Electrical and Information Engineering, Wuhan Institute of Technology, Wuhan, China) ,  Zhang Yaozong (Hubei Key Laboratory of Optical Information and Pattern Recognition, School of Electrical and Information Engineering, Wuhan Institute of Technology, Wuhan, China) ,  Wu Jinmeng (Hubei Key Laboratory of Optical Information and Pattern Recognition, School of Electrical and Information Engineering, Wuhan Institute of Technology, Wuhan, China) ,  Ma Lei (Hubei Key Laboratory of Optical Information and Pattern Recognition, School of Electrical and Information Engineering, Wuhan Institute of Technology, Wuhan, China) ,  Zhu Yin (Hubei Key Laboratory of Optical Information and Pattern Recognition, School of Electrical and Information Engineering, Wuhan Institute of Technology, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4505305.1-5  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： 偏光合成開口レーダ(PolSAR)画像分類は,リモートセンシングにおける基本的研究領域の1つである。スーパーピクセルは境界制約情報を提供でき,PolSAR画像解釈に広く用いられている。しかしながら,従来の機械学習スーパーピクセルアルゴリズムはPolSAR画像解釈のために多くの制限がある。擬似カラー画像は,通常スーパーピクセルアルゴリズム入力として使用され,偏光情報の損失が性能を低下させる。さらに,スーパーピクセルアルゴリズムは最先端の深層学習モデルに組み込むのが困難であり,エンドツーエンド方式で訓練できない。本レターでは,PolSAR画像分類のために,訓練可能なエンドツーエンド深いスーパーピクセルネットワークを提案した。提案方法の入力はPolSAR画像の低/中レベル偏波特徴であり,豊富な偏光特性表現を学習できる。提案方法の生成されたスーパーピクセルは土地被覆境界の近くでより集中して,PolSAR画像分類の性能を著しく改良することができた。実験結果は,提案した方法の全体的精度が,2つのPolSARデータセットに関する従来のスーパーピクセルアルゴリズムよりおよそ2.57%と1.44%高く,いくつかのよく知られた深い学習方法を上回ることを示した。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 ,  表現 ,  偏光 ,  *ネットワーク ,  偏光性 ,  *画素 ,  リモートセンシング ,  *エンドツーエンド方式 ,  偏波 ,  カラー画像 ,  合成開口レーダ ,  土地被覆 ,  機械学習
準シソーラス用語： *画像分類 ,  深層学習 , 【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 (2件)： SSN ,  画像分類