文献

J-GLOBAL ID：202202286048376609   整理番号：22A0398146

ハイパースペクトル画像アンミキシングのためのスーパーピクセルベースの重み付き協調スパース回帰および再加重低ランク表現【JST・京大機械翻訳】

Superpixel-Based Weighted Collaborative Sparse Regression and Reweighted Low-Rank Representation for Hyperspectral Image Unmixing

著者 (4件)： Su Hongjun (School of Earth Sciences and Engineering, Hohai University, Nanjing, China) ,  Jia Cailing (School of Earth Sciences and Engineering, Hohai University, Nanjing, China) ,  Zheng Pan (School of Earth Sciences and Engineering, Hohai University, Nanjing, China) ,  Du Qian (Department of Electrical and Computer Engineering, Mississippi State University, Starkville, MS, USA)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 15  ページ： 393-408  発行年： 2022年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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： 半教師つき方式とのスパース非混合をハイパースペクトルリモートセンシング画像に適用した。しかし,不正確な空間文脈情報,大域的特徴の欠如,およびスペクトルライブラリの高い相互コヒーレンスは,スパース非混合の性能を大きく制限する。これらの顕著な問題に取り組むために,スパースハイパースペクトル非混合を特徴づける新しいパラダイム,すなわち,スーパーピクセルベース加重協調スパース回帰と再加重低ランク表現非混合(SBWCRLRU)を提案した。本方法において,加重協調スパース回帰は,豊度比率のスパース性を助けるために同じサポート集合を共有した画素を調査して,再加重低ランク表現は,画像の空間一貫性を促進するために,豊度マトリックスのランクを最小にした。一方,スーパーピクセルセグメンテーションを採用して,画素を異なる空間均質領域にクラスタ化し,非混合性能をさらに改善した。合成データと実データの両方で行った広範な実験結果は,提案したSBWCRLRUの有効性を実証した。それは,ハイパースペクトル非混合の性能を向上させるだけでなく,既存のスパース非混合方式より優れている。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： コヒーレンス ,  セグメンテーション ,  クラスタ化 ,  *画素 ,  有効性
準シソーラス用語： 文脈情報 ,  *ハイパースペクトル ,  スパース性 ,  *ハイパースペクトル画像 ,  スペクトルライブラリ ,  ハイパースペクトル・リモートセンシング , 【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 (4件)： ハイパースペクトル画像 ,  協調 ,  加重 ,  表現