2018 Fiscal Year Annual Research Report
| Project/Area Number |
16H04587
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
岩崎 晃 東京大学, 大学院工学系研究科(工学部), 教授 (40356530)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | ハイパースペクトル / データ駆動型 / モデル駆動型 |
|---|
| Outline of Annual Research Achievements |
ハイパースペクトル（超多波長）センサで取得された地球観測データは、波長間で相関が高い疎な状態であるが、その処理を軌道上で実施するためのアルゴリズムを開発し、異常検知や地表面把握のための情報抽出を行うことで、データ量を削減することが可能である。本研究では、統計的性質に基づくデータ駆動型および物理化学的性質に基づくモデル駆動型の両面からアルゴリズムを発展・融合させ、なるべく超多波長データの情報量を落とすことなく、データ量を削減するソフトウェアを作成することを目的としている。
ハイパースペクトル画像の分類性能を改善する手段として、スペクトル情報だけでなく、空間情報を用いる手法が一般的である。ランダムフォレスト（RF）と拡張マルチエクステンクションプロファイル（EMEP）を用いて、バギング、ブースティング、ランダムサブスペース、回転ベース、およびブースト回転ベースの5つの戦略を使用して、データアンサンブルを構築した。独立成分分析によって抽出された主成分画像に適用し、EMEPを生成した。計算コストが少ない上に、提案された方法がよい分類性能を示した。
また、国際宇宙ステーションではハイパースペクトルセンサ以外に、LiDARセンサも搭載されている。モルフォロジカルフィルターを使用してハイパースペクトル（HS）画像とLiDARから導出されたデジタル表面モデル（DSM）を融合し、アンサンブル分類器を介して利用した。スペクトルおよび形態学的機能により抽出された特徴を分類器の入力として、高精度の性能を確認した。
さらに、機上でのノイズとなる雲を検出するために、畳み込みニューラルネットワークとウェーブレット画像圧縮を組み合わせた手法を提案した。Landsat-8データセットからの赤、緑、青、近赤外の波長帯の画像を用いて、RISCベースの組み込みプラットフォームでの実験により、有効性を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
アルゴリズムに関しては完成している。2019年度が最終年度であるが、国際宇宙ステーションのデータを用いた実証が、これからである。
|
| Strategy for Future Research Activity |
国際宇宙ステーションに搭載されたセンサを用いたデータを用いて実証を行う予定である。
|
