2018 Fiscal Year Annual Research Report
Semi-supervised method for recognition of objects in remote sensing images with restricted training data
| Project/Area Number |
16K00244
|
|---|
| Research Institution | Nagasaki University |
|---|
Principal Investigator |
喜安 千弥 長崎大学, 工学研究科, 教授 (20234388)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
酒井 智弥 長崎大学, 工学研究科, 准教授 (30345003)
薗田 光太郎 長崎大学, 工学研究科, 助教 (90415852)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 半教師つき分類 / リモートセンシング / マルチスペクトル画像 |
|---|
| Outline of Annual Research Achievements |
教師つきカテゴリー分類には十分な量のトレーニングデータが必要であるが，実際にはその条件を満たすことは難しい．半教師つきカテゴリー分類は，少数のトレーニングデータを用いて高い精度の分類をめざすものである．昨年度までに，クラスタリングに基づいてトレーニングデータの拡張を行った後，教師つき分類を行う方法において，まず，特徴空間におけるトレーニングデータの偏りによる影響を解決するために，他クラスとの距離が近いカテゴリーに対してはトレーニングデータの拡張を行わず，クラス間距離が近いカテゴリーが存在しなければトレーニングデータの拡張を行う手法を開発した，さらに，トレーニングデータの空間的な配置，空間的な偏りについて考慮するために，まず空間的な領域分割を行い，分類処理にあたって領域分解をおこなった領域ごとにカテゴリーを決定する方法を開発した．
本年度は，これらの知見を総合して，分光特性と空間的な配置を同時に考慮して領域分割を行い，その結果を画素のクラスタリングに利用してトレーニングデータを拡張する方法を開発した．隣接する画素間の距離を評価して統合を行い，さらに領域間の距離が閾値α以下の場合に統合を繰り返して領域分割の結果を得たのち，それらの領域に対して初期トレーニングデータからカテゴリーが推定できる場合に，領域内の全画素をトレーニングデータに追加した．拡張されたトレーニングデータを用いて実験をおこなった結果，分類の正解率が平均的に向上することが確認できた．
|
Research Products
(2 results)
