| Research Abstract |
本研究は,リモ-トセンシング画像デ-タ中に含まれている物体の形や大きさ,相対的な位置関係,テクスチャなどの空間的文脈情報を積極的に利用することによって、より高い分類精度を達成できる分類手法(以下,文脈的分類法という)を新たに開発することを目的としている。
この目的を達成するために,本年度は次の二項目について研究した。
1.既存の文脈的分類法に対する統一的・客観的な評価実験の実施
2.新しい高性能な文脈的分類法の開発とその実用化
まず,1については,評価用画像デ-タを用いて既存の代表的な文脈的分類法の評価実験を完了した。評価対象とした分類法は,前処理方式として平滑化手法を用いた手法,後処理方式として多数決法,複合処理方式として複合決定法,適応的分類法,確率的弛緩法である。評価実験の結果,これらの文脈的分類法は画素単位の分類法である最大法を上回る分類精度を示したが,処理時間,所要メモリ量,分類の安定性などに関して問題点も多く,さらに改善を要することが判明した。
次に,2については,1の結果を踏まえて,実用レベルの高性能な文脈的分類法を開発するために,適応的分類法の改良として拡張型適応的分類法を,確率的弛緩法の改良として強制収束判定付き確率的弛緩法を新たに考案した。評価実験の結果,これらの改良二手法は,従来の文脈的分類法よりも分類精度,処理時間,所要メモリ量,分類の安定性などに関して高い性能を有した実用レベルの手法であることを確認した。
また、本年度は,形状情報を利用する次世代の文脈的分類法を開発するために,輪郭線情報に基づく分類手法についての基礎的検討も開始した。具体的には,線分近似型高速Hough変換による相似変換不変な物体認識法の開発、ファジィクラスタリングによる雑音に強い輪郭線図形の線分近似手法の開発などを行なった。
|
