文献

J-GLOBAL ID：202202271177072842   整理番号：22A0202589

CG-Net:VHR SAR画像における個々の建築物セグメンテーションのための条件付きGISを意識したネットワーク【JST・京大機械翻訳】

CG-Net: Conditional GIS-Aware Network for Individual Building Segmentation in VHR SAR Images

著者 (4件)： Sun Yao (German Aerospace Center, Remote Sensing Technology Institute, Wes&ling, Germany) ,  Hua Yuansheng (German Aerospace Center, Remote Sensing Technology Institute, Wes&ling, Germany) ,  Mou Lichao (German Aerospace Center, Remote Sensing Technology Institute, Wes&ling, Germany) ,  Zhu Xiao Xiang (German Aerospace Center, Remote Sensing Technology Institute, Wes&ling, Germany)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5201215.1-15  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： 非常に高解像度(VHR)合成開口レーダ(SAR)画像からのオブジェクト検索と再構成は,SARデータの複雑性のため,都市SARアプリケーションにとって非常に重要である。本論文では,大規模都市域における単一VHR SAR画像からの個別建築セグメンテーションの課題に取り組んだ。これを達成するために,相補的情報として地理情報システム(GIS)データから建物フットプリントを導入し,新しい条件付きGIS意識ネットワーク(CG-Net)を提案した。提案モデルは,マルチレベル視覚特徴を学習し,建物フットプリントを用いて,SAR画像における建築マスクを予測するための特徴を正規化した。Berlin上で収集した高分解能スポットライトTerraSAR-X画像を用いてこの方法を検証した。実験結果は,提案したCG-Netが,効果的にバリアントバックボーンによる改良をもたらすことを示した。さらに,建築フットプリントの2つの表現,すなわち,完全な建物フットプリントとセンサ-可視フットプリントセグメントを,著者らのタスクのために比較し,前者の使用がより良いセグメンテーション結果をもたらすと結論づける。さらに,CG-Netに対する不正確なGISデータの影響を検討し,本研究では,CG-NetがGISデータの位置決め誤差に対してロバストであることを示した。さらに,大規模SAR画像データセットを生成するために使用できる,正確なデジタル高度モデル(DEM)からの建物の地上真実生成のアプローチを提案した。セグメンテーション結果は,著者らの実験で実証されている,詳細レベル(LoD)1での3D建物モデル再構成に適用できる。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： *セグメンテーション ,  *ネットワーク ,  大都市 ,  都市 ,  応用プログラム ,  三次元 ,  高分解能 ,  正規化 ,  合成開口レーダ ,  ロバスト性 ,  地理情報システム ,  数値地形モデル
準シソーラス用語： マルチレベル ,  フットプリント ,  *SAR画像 , 【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 (6件)： CG ,  SAR画像 ,  建築物 ,  セグメンテーション ,  GIS ,  意識