文献

J-GLOBAL ID：202202264785110130   整理番号：22A0397565

クラウド没入雪共存による高分解能リモートセンシング画像のための自動雲検出ニューラルネットワーク【JST・京大機械翻訳】

An Automatic Cloud Detection Neural Network for High-Resolution Remote Sensing Imagery With Cloud-Snow Coexistence

著者 (5件)： Chen Yang (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Weng Qihao (Department of Land Surveying and Geo-Informatics, The Hong Kong Polytechnic University, Hong Kong) ,  Tang Luliang (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Liu Qinhuo (State Key Laboratory of Remote Sensing Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Fan Rongshuang (Chinese Academy of Surveying and Mapping, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6004205.1-5  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： クラウド検出はリモートセンシング前処理において重要な手順である。しかし,雲と雪が可視スペクトルにおいて類似のスペクトル特性を持つので,雲検出は雲-雪共存地域で挑戦的である。この課題を克服するために,著者らは,地理空間データによる自動クラウド検出ニューラルネットワーク(ACDネット)統合遠隔センシング画像を提示し,雲-雪共存の下で高解像度画像から雲検出の精度を改善することを目指した。提案したACDネットは2つの部分から成った。1)特徴抽出ネットワーク,2)クラウド境界精密化モジュール。特徴抽出ネットワークモジュールは,遠隔観測イメージと地理空間データからクラウドの分光的空間と地理的意味情報を抽出するために設計した。雲境界精密化モジュールを用いて,雲検出の精度をさらに改善した。結果は,提案したACDネットが,クラウドソープス知識共存場面において確実にクラウド検出結果を提供できることを示した。最先端の深層学習アルゴリズムと比較して,提案したACDネットは,97.92%の実質的により高い総合精度をもたらした。本レターは,遠隔観測画像と地理空間大データが統合できる新しい方法を提供して,雲-雪共存の環境における雲検出の高精度を得た。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： 可視スペクトル ,  *ネットワーク ,  前処理 ,  *ニューラルネットワーク ,  特徴抽出 ,  石鹸 ,  地理学 ,  *リモートセンシング ,  精密化 ,  深層 ,  *高分解能 ,  学習アルゴリズム
準シソーラス用語： 空間データ ,  *リモートセンシング画像 ,  スペクトル特性 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： クラウド ,  雪 ,  共存 ,  高分解能 ,  リモートセンシング画像 ,  雲 ,  ニューラルネットワーク