文献
J-GLOBAL ID:202202280651248521   整理番号:22A0977533

畳込みスパース表現によるハイパースペクトルおよびマルチスペクトル画像の融合【JST・京大機械翻訳】

Fusion of Hyperspectral and Multispectral Images by Convolutional Sparse Representation
著者 (4件):
資料名:
巻: 19  ページ: ROMBUNNO.6007605.1-5  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
スパース表現(SR)ベースの方法は,ハイパースペクトルとマルチスペクトル画像(HSIとMSIs)の融合において多数の成功を達成した。しかし,多くのSRベース融合法では,パッチ分割により,隣接パッチの境界を横切る画素値を正確に一致させることは困難であり,シーンの詳細を保存する能力を制限する。そのような欠陥を改善するために,畳込みスパース表現(FCS)を用いて,HSIとMSIsのための融合フレームワークを提案した。この新しい融合法は3段階から成る。1)スペクトル辞書は,HSIからスペクトル情報を抽出するために畳み込みスパース辞書学習アルゴリズムによって訓練される。2)ハイパースペクトルとマルチスペクトル移動マトリックスを高分解能ハイパースペクトル画像(HR-HSI)の空間にHSIとMSIsを写像する。3)HR-HSIのための畳込みスパース融合モデルを構築した。それらの従来のパッチベースのSR融合法とは異なり,FCS法はパッチを分割する代わりに全画像に焦点を合わせ,それは独立パッチ上のスパース符号化によって引き起こされるシーン詳細保存の限界を抑圧できる。また,それは多くの訓練サンプルなしで一種のオンライン学習に属している。PaviaデータセットとParisデータセットを用いて,この方法の性能を評価した。実験結果は,FCS法が,通常使用されるおよび最先端のアルゴリズムと比較して,多くの融合性能を達成することを示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般  ,  信号理論 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る