文献

J-GLOBAL ID：202202266128286611   整理番号：22A0396561

リモートセンシング画像における多様体ランキングとMRFによる同時検出および関心領域抽出【JST・京大機械翻訳】

Cosaliency Detection and Region-of-Interest Extraction via Manifold Ranking and MRF in Remote Sensing Images

著者 (2件)： Zhang Libao (School of Artificial Intelligence, Beijing Normal University, Beijing, China) ,  Wu Hanlin (School of Artificial Intelligence, Beijing Normal University, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5604417.1-17  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： 遠隔センシング画像(RSI)の解釈には,シーレンシーベース領域間(ROI)抽出が重要である。最近,共感性検出は,画像内および画像間手がかりの両方を用いることにより,共通ROIの良好な抽出の優位性を示した。しかしながら,ほとんどの既存の方法は,RSIsの複雑な背景に悩まし,不完全なROI抽出,多くの偽陽性,およびぼやけ境界をもたらす。本論文では,これらの問題に取り組むために,RSIsに対する多様体ランキングとMarkov確率場(MRF)による同時性検出フレームワークを提案した。最初に,単一画像顕著性マップ(SISM)をマルチ画像顕著性マップ(MISM)に変換するための2段階多様体ランキングスキーマを設計した。このステップは,ROIの完全性を改善し,偽陽性を低減するための画像間の相関を完全に利用する。第2に,著者らはMRFにおけるエネルギー関数を最小化することによって,顕著性提案を局所的に融合する。エネルギー関数の設計は,適切な融合重みを割り当てるために顕著性提案の全体的および局所的性能を包括的に考慮した。最後に,共s性マップを閾値化することによってROIマスクを生成した。提案アプローチを4つのRSIデータセットで評価し,最先端の方法と比較した。実験結果は,同時性検出とROI抽出の両方における著者らのモデルの有効性を実証した。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： *多様体 ,  *セグメンテーション ,  同時性 ,  等級づけ ,  完全性 ,  有効性
準シソーラス用語： Markov確率場 ,  エネルギー関数 ,  誤検出 ,  *リモートセンシング画像 ,  顕著性マップ , 【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 (7件)： リモートセンシング画像 ,  多様体 ,  ランキング ,  MRF ,  同時検出 ,  関心 ,  領域抽出