論文の概要: Stacked Autoencoder Based Feature Extraction and Superpixel Generation
for Multifrequency PolSAR Image Classification
- arxiv url: http://arxiv.org/abs/2311.02887v1
- Date: Mon, 6 Nov 2023 05:37:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 15:11:36.420074
- Title: Stacked Autoencoder Based Feature Extraction and Superpixel Generation
for Multifrequency PolSAR Image Classification
- Title（参考訳）: 多周波PolSAR画像分類のためのスタックオートエンコーダによる特徴抽出とスーパーピクセル生成
- Authors: Tushar Gadhiya, Sumanth Tangirala, Anil K. Roy
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.4604003661048266
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we are proposing classification algorithm for multifrequency
Polarimetric Synthetic Aperture Radar (PolSAR) image. Using PolSAR
decomposition algorithms 33 features are extracted from each frequency band of
the given image. Then, a two-layer autoencoder is used to reduce the
dimensionality of input feature vector while retaining useful features of the
input. This reduced dimensional feature vector is then applied to generate
superpixels using simple linear iterative clustering (SLIC) algorithm. Next, a
robust feature representation is constructed using both pixel as well as
superpixel information. Finally, softmax classifier is used to perform
classification task. The advantage of using superpixels is that it preserves
spatial information between neighbouring PolSAR pixels and therefore minimises
the effect of speckle noise during classification. Experiments have been
conducted on Flevoland dataset and the proposed method was found to be superior
to other methods available in the literature.
- Abstract（参考訳）: 本稿では,多周波ポラリメトリック合成開口レーダ(PolSAR)画像の分類アルゴリズムを提案する。
PolSAR分解アルゴリズムを用いて、所定の画像の各周波数帯域から33の特徴を抽出する。
次に、2層オートエンコーダを用いて入力の特徴を保ちつつ入力特徴ベクトルの次元性を低減する。
この縮小次元特徴ベクトルを用いて、単純な線形反復クラスタリング(SLIC)アルゴリズムを用いてスーパーピクセルを生成する。
次に、画素情報とスーパーピクセル情報の両方を用いて、ロバストな特徴表現を構築する。
最後に、ソフトマックス分類器を用いて分類処理を行う。
超画素を使用する利点は、隣接するpolsarピクセル間の空間情報を保存し、分類中のスペックルノイズの影響を最小限に抑えることである。
Flevolandデータセットを用いて実験を行い、提案手法は文献で利用可能な他の方法よりも優れていることがわかった。
関連論文リスト
- bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。
Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。
本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2024-10-30T17:30:35Z) - Semi-supervised segmentation of land cover images using nonlinear
canonical correlation analysis with multiple features and t-SNE [1.7000283696243563]
イメージセグメンテーションはクラスタリングタスクであり、各ピクセルにクラスタラベルが割り当てられる。
本研究では,少数のピクセルのみをラベル付けすることで,半教師付きセグメンテーション手法を提案する。
提案した半教師付きRBF-CCAアルゴリズムは、リモートセンシングされた複数のマルチスペクトル画像に実装されている。
論文 参考訳（メタデータ） (2024-01-22T17:56:07Z) - Unsupervised Superpixel Generation using Edge-Sparse Embedding [18.92698251515116]
特徴に対する画素の類似性に基づいて画像をスーパーピクセルに分割することは、データの複雑さを著しく減らし、その後の画像処理タスクを改善する。
コントラストの少ない非畳み込み画像デコーダを提案し、再構成画像にスムーズで接続されたエッジを強制する。
我々はデコーダの最後に隠された層から、余分な空間情報をスムーズなアクティベーションマップに符号化してエッジスパース画素埋め込みを生成し、標準クラスタリングアルゴリズムを用いて高品質なスーパーピクセルを抽出する。
論文 参考訳（メタデータ） (2022-11-28T15:55:05Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳（メタデータ） (2022-11-15T17:57:12Z) - 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) - Adaptive Non-linear Filtering Technique for Image Restoration [0.0]
画像中の帯域線, ドロップライン, マーク, バンド損失, インパルスを除去するための決定に基づく非線形アルゴリズムを提案する。
アルゴリズムは2つの同時動作、すなわち、破損したピクセルの検出と、破損したピクセルを置き換えるための新しいピクセルの評価を行う。
論文 参考訳（メタデータ） (2022-04-20T08:36:59Z) - Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。
本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-09-18T00:21:17Z) - Superpixel-guided Discriminative Low-rank Representation of
Hyperspectral Images for Classification [49.32130776974202]
SP-DLRRは2つのモジュール、すなわち分類誘導スーパーピクセルセグメンテーションと識別低ランク表現で構成されている。
3つのベンチマークデータセットの実験結果から,SP-DLRRが最先端手法よりも有意な優位性を示した。
論文 参考訳（メタデータ） (2021-08-25T10:47:26Z) - Denoising and Optical and SAR Image Classifications Based on Feature
Extraction and Sparse Representation [0.0]
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。
論文 参考訳（メタデータ） (2021-06-03T14:39:30Z) - Superpixel Segmentation Based on Spatially Constrained Subspace
Clustering [57.76302397774641]
独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。
従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。
本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
論文 参考訳（メタデータ） (2020-12-11T06:18:36Z) - Superpixel Based Graph Laplacian Regularization for Sparse Hyperspectral
Unmixing [1.14219428942199]
画像境界を考慮した超画素分割アルゴリズムを用いて同質領域を抽出する。
まず、各スーパーピクセルの重み付きグラフを、各スーパーピクセルで$K$-nearest ピクセルを選択して構築する。
グラフラプラシア正規化を用いて空間的類似性を検討した。
論文 参考訳（メタデータ） (2020-07-28T07:30:50Z)
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。