文献

J-GLOBAL ID：202202273286198197   整理番号：22A1169742

空間テクスチャ特徴を考慮したハイパースペクトルデータ分類アルゴリズム【JST・京大機械翻訳】

Hyperspectral Data Classification Algorithm considering Spatial Texture Features

著者 (3件)： NanLan Wang (School of Computer and Electrical Engineering, Hunan University of Arts and Science, Changde, Hunan Province 415000, China) ,  NanLan Wang (Philippine Christian University Center for International Education, Manila, Philippines1004,) ,  Xiaoyong Zeng (School of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha 41000, China)
資料名： Mobile Information Systems (Web)  (Mobile Information Systems (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7044A  ISSN： 1574-017X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 切断端技術として,ハイパースペクトルリモートセンシングは,農業生産,鉱物同定,目標検出,災害警報,軍事的再調査,および都市計画を含む多くの分野で広く適用されてきた。収集したハイパースペクトルデータには,高いスペクトル分解能と空間分解能があり,大量の情報,冗長性,および高次元を特徴とする。同時に,バンド間に強い相関がある。したがって,ハイパースペクトルデータは豊富な情報を提供するだけでなく,その後の処理に大きな挑戦をもたらす。超スペクトル画像分類はリモートセンシング情報処理におけるホットな問題である。従来のハイパースペクトルリモートセンシング画像分類法は,ハイパースペクトルリモートセンシング画像における各画素の空間特徴を考慮しない画像のスペクトル特徴のみを使用する。本論文では,ハイパースペクトル画像分類法を,スペクトル特徴を考慮するだけでなく,テクスチャ特徴を考慮して提案した。この方法はこれらの特徴の両方を同時に考慮した。第1に,ハイパースペクトルリモートセンシング画像の各画素に寄与する6つのテクスチャ特徴を,グレイレベル共起行列を用いて抽出し,次に,隣接における各画素のスペクトル特徴を,テクスチャスペクトル特徴を形成するために結合した。最後に,インドピンとパビア大学シーンの分類実験を,サポートベクトルマシンと極値ランダムツリーアルゴリズムに基づいて行い,得られた結果は,提案方法が伝統的方法より高い分類性能を達成することを示した。Copyright 2022 Wang NanLan and Zeng Xiaoyong. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 警報 ,  冗長性 ,  情報処理 ,  都市計画 ,  画像 ,  画素 ,  *リモートセンシング ,  スペクトル分解 ,  *計算機アルゴリズム ,  *測定データ ,  スペクトル画像 ,  サポートベクトルマシン
準シソーラス用語： 画像分類 ,  共起行列 ,  *分類アルゴリズム ,  *テクスチャ特徴 ,  *ハイパースペクトルデータ , 【Automatic Indexing@JST】

分類 (2件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

引用文献 (18件)：

• A. P. Dempster, N. M. Laird, D. B. Rubin, "Maximum likelihood from incomplete data via the EM algorithm," Journal of the Royal Statistical Society, Series B (Methodological), vol. 39, no. 1, pp. 1-22, 1977.
• F. A. Mianji, Y. Gu, Y. Zhang, J. Zhang, "Enhanced self-training superresolution mapping technique for hyperspectral imagery," IEEE Geoscience and Remote Sensing Letters, vol. 8, no. 4, pp. 671-675, 2011.
• M. J. Khan, H. S. Khan, A. Yousaf, K. Khurshid, A. Abbas, "Modern trends in hyperspectral image analysis: a review," Ieee Access, vol. 6, pp. 14118-14129, 2018.
• T. Joachims, "Transductive inference for text classification using support vector machines," Proceedings of the Sixteenth International Conference on Machine Learning, pp. 200-209, Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 1999.
• G. Camps-Valls, T. V. Bandos-Marsheva, D. Zhou, "Semi-supervised graph-based hyperspectral image classification," IEEE Transaction on Geoscience and Remote Sensing, vol. 45, no. 10, pp. 3044-3054, 2007.

タイトルに関連する用語 (3件)： テクスチャ特徴 ,  ハイパースペクトルデータ ,  分類アルゴリズム