文献

J-GLOBAL ID：201602289571406934   整理番号：16A1208236

KNNスパース表現に基づくハイパースペクトル画像分類【Powered by NICT】

Hyperspectral image classification based on KNN sparse representation

著者 (4件)： Song Weiwei (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Li Shutao (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Kang Xudong (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Huang Kunshan (College of Electrical and Information Engineering, Hunan University, Changsha, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IGARSS  ページ： 2411-2414  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 伝統的なジョイントスパース表現に基づくハイパースペクトル分類法は,各画素の局所領域を定義した。局所領域内の画素を代表するにより,クラス中心ピクセルのを決定することができた。この種の方法の共通の制限は局所画素をそのような方法で考慮したことであり,このようにして,非局所情報が無視されるであろう。ハイパースペクトル画像の非局所的情報を用いた分類精度を改善するために,K最近傍(KNN)スパース表現に基づく新しいハイパースペクトル画像分類を提案した。最初に,ハイパースペクトル画像の第1主成分と異なる画素の空間座標に基づいて定義される特徴空間。,定義された特徴空間において,各画素のK非局所近傍はKNN探索方式を使用して発見される。最後に,ジョイントスパースモデルを用いたK画素を表現し,表現残差を比較併用により,各画素のラベルを決定できた。広く使用されている実際のHISデータセット上で実施した実験は,伝統的なジョイントスパース表現法と他の最近提案されたハイパースペクトル画像分類法と比較した場合,提案した方法は,良好な分類性能を得ることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 残差 ,  *画素
準シソーラス用語： 特徴空間 ,  分類精度 ,  分類法 ,  *ハイパースペクトル ,  *ハイパースペクトル画像 ,  *スパース表現 , 【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)： KNN ,  スパース表現 ,  ハイパースペクトル画像分類