文献

J-GLOBAL ID：202202288390012512   整理番号：22A0416533

GaoFen-6広域Cameraデータの雲検出法に関する研究【JST・京大機械翻訳】

Research on Cloud Detection Method of GaoFen-6 Wide Camera Data

著者 (4件)： Ke Shiyun (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Wang Mi (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Cao Jinshan (School of Computer Science, Hubei University of Technology, Wuhan, China) ,  Long En (Beijing Institute of Remote Sensing Information, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 757  ページ： 321-340  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： クラウド検出は高分解能リモートセンシング画像における研究ホットスポットのひとつであり,リモートセンシング画像前処理の重要な部分である。画素に基づく従来の物理的閾値方法は,データ量が大きいとき,非効率的であった。また,それは画像のノイズ点によって容易に影響を受け,適切なスペクトル閾値を決定するのは難しい。上記の問題の観点から,この論文はGF-6の広いカメラデータから始まり,GF-6の広いカメラデータのスペクトル特性を研究し,適切なスペクトル検出バンドを選択する。次に,普遍性を改善するために,最大クラス間分散法(OTSU)を用いて,適切な雲検出閾値を適応的に得た。最後に,画像を単純な線形反復クラスタリングアルゴリズム(SLIC)によってセグメント化した。スーパーピクセルを,クラウド検出のための単一ピクセルを置き換えるために,その後の画像処理の処理ユニットとして使用した。それは,有効性と精度の両方を改善する。本論文では,実験と定量的評価を行うことにより,雲検出アルゴリズムが画像中の雲領域を効果的かつ正確に検出できることを証明した。精度はすべて90%より高く,実験の平均精度は94.21%であった。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  雑音 ,  セグメンテーション ,  画像処理 ,  スペクトル ,  画素 ,  リモートセンシング ,  *検出法 ,  ホットスポット ,  高分解能
準シソーラス用語： リモートセンシング画像 ,  クラスタリングアルゴリズム ,  スペクトル特性 ,  検出アルゴリズム ,  データ量 , 【Automatic Indexing@JST】

著者キーワード (5件)： クラウド検出 ,  スーパーピクセルセグメンテーション ,  スペクトル特性 ,  GaoFen-6 ,  動的閾値

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (4件)： 広域 ,  雲 ,  検出法 ,  研究