文献

J-GLOBAL ID：202202288583926278   整理番号：22A0396567

マルチスペクトルリモートセンシングデータにおけるスペクトル多様性をモデル化するための多中心ソフト教師付き分類法【JST・京大機械翻訳】

A Multicenter Soft Supervised Classification Method for Modeling Spectral Diversity in Multispectral Remote Sensing Data

著者 (2件)： Guo Jifa (School of Geographic and Environmental Sciences, Tianjin Key Laboratory of Water Resources and Environment, Tianjin Normal University, Tianjin, China) ,  Du Shihong (Institute of Remote Sensing and GIS, Peking University, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5605517.1-17  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 同じクラス内の物体のスペクトル多様性と,異なるクラス間のスペクトル類似性により,古典的ファジィ分類法は,マルチスペクトルリモートセンシング画像分類において十分に機能しない。基本的理由は,それらがスペクトル多様性特性を無視する間,土地被覆タイプを表現するために単一スペクトル曲線を使用することが多いということであった。この問題を解決するために,本論文では,マルチスペクトルリモートセンシングデータにおけるスペクトル多様性をモデル化するための,新しい多施設教師つきファジィ分類(MCSFC)法を提案した。画像は,階層的クラスタリング過程によって,類似サイズまたは体積,すなわち粒状性を有するクラスタに最初に分割される。第二に,粒状性は訓練サンプルによってラベル付けされる。その結果,1種類の試料に対応する粒状性の中心は1クラス内のスペクトル多様性を表し,土地被覆タイプの多重中心として扱われる。あらゆる土地被覆タイプに属する各非ラベルサンプルのメンバーシップ度を,各タイプの中心への最短距離によって決定し,スペクトル多様性をこの段階で考察した。比較により,提案手法は,様々な単一中心ファジィ半教師つきクラスタリング(FSSC)法の分類性能を明らかに改善することを明らかにした。2つの事例研究は,粒状性体積パラメータが分類性能に顕著に影響し,全体精度(OA)が粒状体積の増加とともに減少することを示した。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： *スペクトル ,  多重化 ,  クラスタ ,  粒状性 ,  粒状材 ,  事例研究 ,  類似性 ,  曖昧さ ,  土地被覆
準シソーラス用語： 分類法 ,  *多重スペクトル ,  階層的クラスタリング ,  リモートセンシング画像 ,  *教師付き分類 ,  *リモートセンシングデータ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： マルチスペクトル ,  リモートセンシングデータ ,  スペクトル ,  多様性 ,  モデル化 ,  ソフト ,  教師付き分類