Semisupervised transductive classification of remotesensing images with restricted training data

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K12043
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Nagasaki University
• Principal Investigator: Kiyasu Senya 長崎大学, 情報データ科学部, 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): 2019-04-01 – 2022-03-31
• Keywords: 半教師付き分類 / リモートセンシング / マルチスペクトル画像

Outline of Final Research Achievements

We developed a semi-supervised method of pixel classification for remote sensing multispectral images with restricted training data. We investigated about the misclassification when SVM(Support Vector Machine) algorithm were applied for multi-class classification and applied a practical solution of semi-supervised two-class SVM to multi-class cases. We also improved the accuracy of semi-supervised classification by selecting the unlabeled data by considering the distance between the spectra in the feature space and the spatial arrangement of the pixels in the image.

Free Research Field

パターン情報処理工学

Academic Significance and Societal Importance of the Research Achievements

航空機や人工衛星に搭載したセンサを用いて，リモートセンシングにより地表の状態を把握することは非常に有益な方法であるが，処理に必要なトレーニングデータが十分に得られないことが，精度向上の大きな妨げとなっていた．本研究では半教師付きトランスダクティブ手法を適用することでその解決を図り，半教師付きSVMアルゴリズムを応用して，分光的および空間的なデータの特徴を考慮しながらトレーニングデータ拡張することで，地表対象物を精度よく識別する方法を提案した．