文献

J-GLOBAL ID：202202284105325388   整理番号：22A0397442

ハイパースペクトル画像分類のためのマルチスケール低ランク空間特徴【JST・京大機械翻訳】

Multiscale Low-Rank Spatial Features for Hyperspectral Image Classification

著者 (6件)： Sun Weiwei (Department of Geography and Spatial Information Techniques, Ningbo University, Ningbo, China) ,  Shao Wenjing (Department of Geography and Spatial Information Techniques, Ningbo University, Ningbo, China) ,  Peng Jiangtao (Hubei Key Laboratory of Applied Mathematics, Faculty of Mathematics and Statistics, Hubei University, Wuhan, China) ,  Yang Gang (Department of Geography and Spatial Information Techniques, Ningbo University, Ningbo, China) ,  Meng Xiangchao (Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo, China) ,  Du Qian (Department of Electrical and Computer Engineering, Mississippi State University, Starkville, MS, USA)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.5501605.1-5  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： このレターは,ハイパースペクトル画像からマルチスケール空間構造を抽出するためのマルチスケール低ランク分解(MSLRD)法を示す。MSLRDは,地上物体が空間スケールの変化において発散特性を有すると仮定する。それは各バンド画像を一連のブロックワイズ行列に分解し,そこではこれらの低ランクブロックは多重スケールで詳細な空間構造をとる。それは,すべてのブロック行列のランクを最小にするために低ランク行列分解問題を定式化して,それを最適化するために乗数法の代替方向を採用する。インドピンとパビア大学データセットに関する実験は,MSLRDが,スペクトル特徴(すなわち,すべてのバンド)に関する規則的分類の分類性能を大いに改良することができ,5つの最先端の空間特徴抽出方法より良いことを示した。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： 最適化 ,  特徴抽出 ,  立体構造 ,  インド ,  *定式化
準シソーラス用語： *ハイパースペクトル画像 ,  *マルチスケール ,  行列分解 ,  スペクトル特徴 ,  *ハイパースペクトル画像分類 , 【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 (2件)： ハイパースペクトル画像分類 ,  マルチスケール