論文の概要: Denoising and Optical and SAR Image Classifications Based on Feature
Extraction and Sparse Representation
- arxiv url: http://arxiv.org/abs/2106.01896v1
- Date: Thu, 3 Jun 2021 14:39:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-04 16:00:52.427878
- Title: Denoising and Optical and SAR Image Classifications Based on Feature
Extraction and Sparse Representation
- Title（参考訳）: 特徴抽出とスパース表現に基づくDenoising and Optical and SAR画像分類
- Authors: Battula Balnarsaiah, G Rajitha
- Abstract要約: 本稿では,光学画像とSAR画像の分類を識別し,特徴抽出し,比較する手法を提案する。
光画像データは、リモートセンシングの作業員によって、容易に解釈できるため、土地利用と被覆について調査するために使われてきた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optical image data have been used by the Remote Sensing workforce to study
land use and cover since such data is easily interpretable. Synthetic Aperture
Radar (SAR) has the characteristic of obtaining images during all-day,
all-weather and provides object information that is different from visible and
infrared sensors. However, SAR images have more speckle noise and fewer
dimensions. This paper presents a method for denoising, feature extraction and
compares classifications of Optical and SAR images. The image was denoised
using K-Singular Value Decomposition (K-SVD) algorithm. A method to map the
extraordinary goal signatures to be had withinside the SAR or Optical image
using support vector machine (SVM) through offering given the enter facts to
the supervised classifier. Initially, the Gray Level Histogram (GLH) and Gray
Level Co-occurrence Matrix (GLCM) are used for feature extraction. Secondly,
the extracted feature vectors from the first step were combined using
correlation analysis to reduce the dimensionality of the feature spaces.
Thirdly, the Classification of SAR images was done in Sparse Representations
Classification (SRC). The above-mentioned classifications techniques were
developed and performance parameters are accuracy and Kappa Coefficient
calculated using MATLAB 2018a.
- Abstract（参考訳）: 光画像データは、容易に解釈できるため、リモートセンシングの作業員によって土地利用とカバーを研究するために使用されてきた。
SAR(Synthetic Aperture Radar)は、全天候中の画像を取得する特性を持ち、可視光と赤外線センサーとは異なる物体情報を提供する。
しかし、SAR画像はスペックルノイズが多く、寸法も少ない。
本稿では,光学画像とSAR画像の分類を識別し,特徴抽出し,比較する手法を提案する。
画像はk-svd(k-singular value decomposition)アルゴリズムを用いた。
教師付き分類器に入力事実を提供することにより、SARまたは光学画像の内部に持つ異常なゴールシグネチャをSVM(Support Vector Machine)を用いてマッピングする。
当初はGray Level Histogram (GLH) と Gray Level Co-occurrence Matrix (GLCM) が特徴抽出に用いられる。
次に,第1段階から抽出した特徴ベクトルを相関解析を用いて組み合わせ,特徴空間の次元性を低減する。
第3に,スパース表現分類(SRC)において,SAR画像の分類を行った。
上記の分類手法を開発し,matlab 2018aを用いて性能パラメータを精度,kappa係数を算出した。
関連論文リスト
- Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - Stacked Autoencoder Based Feature Extraction and Superpixel Generation
for Multifrequency PolSAR Image Classification [0.4604003661048266]
我々は多周波偏光合成開口レーダ(PolSAR)画像の分類アルゴリズムを提案する。
所定の画像の各周波数帯域から33の特徴を抽出する。
スーパーピクセルは、隣接するPolSARピクセル間の空間情報を保存するために使用される。
論文 参考訳（メタデータ） (2023-11-06T05:37:03Z) - A Survey of Graph and Attention Based Hyperspectral Image Classification
Methods for Remote Sensing Data [5.1901440366375855]
ハイパースペクトルイメージング(HSI)の分類におけるディープラーニング技術の利用は急速に増加している。
最近の手法では、グラフ畳み込みネットワークの利用と、予測にノード機能を使用するユニークな機能についても検討されている。
論文 参考訳（メタデータ） (2023-10-16T00:42:25Z) - APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging [74.9262846410559]
Sparse-view Computed Tomography (SVCT) は画像の逆問題である。
近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。
自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)-
APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
論文 参考訳（メタデータ） (2023-07-11T14:04:12Z) - A new filter for dimensionality reduction and classification of
hyperspectral images using GLCM features and mutual information [0.0]
ハイパースペクトル画像の次元化と分類のための新しい手法を提案する。
スペクトル情報と空間情報の両方を相互情報に基づいて考慮する。
3つのよく知られたハイパースペクトルベンチマークデータセットで実験が行われる。
論文 参考訳（メタデータ） (2022-11-01T13:19:08Z) - A Dual-fusion Semantic Segmentation Framework With GAN For SAR Images [10.147351262526282]
合成開口レーダ(SAR)画像セグメンテーションを実現するために,広く使用されているエンコーダデコーダアーキテクチャに基づくネットワークを提案する。
光画像のより優れた表現能力により、多数のSARおよび光画像によって訓練された生成反転ネットワーク(GAN)を介して生成された光画像とSAR画像を統合することを提案する。
論文 参考訳（メタデータ） (2022-06-02T15:22:29Z) - Multiscale Analysis for Improving Texture Classification [62.226224120400026]
本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。
バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
論文 参考訳（メタデータ） (2022-04-21T01:32:22Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Learning Hierarchical Graph Representation for Image Manipulation
Detection [50.04902159383709]
画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。
最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。
本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
論文 参考訳（メタデータ） (2022-01-15T01:54:25Z) - Synthetic Glacier SAR Image Generation from Arbitrary Masks Using
Pix2Pix Algorithm [12.087729834358928]
教師あり機械学習は、適切なテスト結果を得るために大量のラベル付きデータを必要とする。
本研究では,Pix2pixアルゴリズムを用いて合成SAR画像を生成することにより,限られたトレーニングデータの問題を軽減することを提案する。
異なるモデルを示し,比較研究を行い,sar画像の説得力のある氷河を定性的・定量的に合成する手法を実証した。
論文 参考訳（メタデータ） (2021-01-08T23:30:00Z) - DeepEMD: Differentiable Earth Mover's Distance for Few-Shot Learning [122.51237307910878]
我々は,画像領域間の最適なマッチングの新しい視点から,少数ショット画像分類法を開発した。
我々は、高密度画像表現間の構造距離を計算するために、Earth Mover's Distance (EMD) を用いている。
定式化において重要な要素の重みを生成するために,我々は相互参照機構を設計する。
論文 参考訳（メタデータ） (2020-03-15T08:13:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。