文献

J-GLOBAL ID：202202290507839896   整理番号：22A0553772

畳込みニューラルネットワークベースの相対放射測定キャリブレーション法【JST・京大機械翻訳】

A Convolutional Neural Network-Based Relative Radiometric Calibration Method

著者 (4件)： Li Xutao (Department of Computer Science, Harbin Institute of Technology, Shenzhen, China) ,  Ye Zhizi (Department of Computer Science, Harbin Institute of Technology, Shenzhen, China) ,  Ye Yunming (Department of Computer Science, Harbin Institute of Technology, Shenzhen, China) ,  Hu Xiuqing (Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites, National Satellite Meteorological Center, China Meteorological Administration, 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.5403611.1-11  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： センサの退化問題のために,較正は,特に長期時系列からのものに対して,一貫した衛星画像を検索するための必要条件ステップになる。相対的較正は,問題に対処する経済的方法である。以前の研究は,相対較正のための2つの画像間の同定された無変化ピクセル(NCP)を活用した。しかし,NCP自体の同定は非常に困難な作業であり,劣った検出品質は性能に大きく影響する。深層学習技術の大きな成功に触発されて,本論文では,まず,NCP検出を迂回する畳み込みニューラルネットワーク(CNN)ベースの相対較正法を開発する。特に,2つの時点におけるセンサ感度係数の比を,対応する画像対を著者らの開発したCNN回帰器に供給することによって直接推定した。多項式関数を時系列の推定比率に当てはめた。マルチサイトキャリブレーション結果に基づいてCNN回帰器を訓練し,次に,FengYun-3A(FY-3A),FengYun-3B(FY-3B),およびFengYun-3C(FY-3C)に関する実験を行った。結果は,提案した方法の有効性を検証し,最先端のNCPベースの方法より優れている。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： 多項式 ,  品質 ,  キャリブレーション ,  *ニューラルネットワーク ,  時系列 ,  画素 ,  退化 ,  衛星利用画像 ,  センサ ,  必要条件 ,  有効性 ,  *放射測定 ,  機械学習
準シソーラス用語： 深層学習 ,  *畳込みニューラルネットワーク , 【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 (3件)： 畳込みニューラルネットワーク ,  放射測定 ,  キャリブレーション