文献

J-GLOBAL ID：202202264477457840   整理番号：22A0202507

時空間ニューラルネットワークを用いた多時期Landsat画像からの厚い雲の除去【JST・京大機械翻訳】

Thick Clouds Removing From Multitemporal Landsat Images Using Spatiotemporal Neural Networks

著者 (6件)： Chen Yang (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Weng Qihao (Department of Earth and Environmental Systems, Center for Urban and Environmental Change, Indiana State University, Terre Haute, IN, USA) ,  Tang Luliang (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Zhang Xia (School of Urban Design, Wuhan University, Wuhan, China) ,  Bilal Muhammad (School of Marine Sciences, Nanjing University of Information Science and Technology, Nanjing, China) ,  Li Qingquan (Shenzhen Key Laboratory of Spatial Smart Sensing and Services, Shenzhen University, Shenzhen, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4400214.1-14  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： Landsat画像は地球観測と地球情報学の分野で重要な役割を果たした。しかし,光ランドサット画像は,雲被覆,特に熱帯と亜熱帯地域で頻繁に汚染され,これらの画像の利用を制限する。ランドサット画像の利用を改善するために,本研究では,4つのモジュールを有する新しい時空間ニューラルネットワークを提案した:クラウド検出モジュール,空間インピーダンス時間学習モジュール,空間四角形時間特徴融合モジュール,および再構成モジュール。実験の結果は,提案した方法が定量的に有効(平方根平均二乗誤差<0.0179)であり,広く使用された既存の深層学習法や多時間法よりもLandsat画像を再構成するためのより良い結果を達成できることを示した。提案したニューラルネットワーク法は,衛星画像からの隣接,厚い雲の除去に効果的なツールを提供し,その後のリモートセンシングマッピングと地理情報抽出の品質を改善する。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： インピーダンス ,  学習 ,  情報科学 ,  地球 ,  *ニューラルネットワーク ,  リモートセンシング ,  再構成 ,  熱帯 ,  亜熱帯 ,  衛星利用画像 ,  LANDSAT
準シソーラス用語： 平均二乗誤差 ,  地理情報 ,  地球観測 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 時空間 ,  ニューラルネットワーク ,  多時期 ,  LANDSAT ,  雲