2021 Fiscal Year Research-status Report
Synthetic Aperture Radar Data based Man-Made Target Interpretation Using ASV Feature Parameters
| Project/Area Number |
20K14749
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
尚 方 電気通信大学, 大学院情報理工学研究科, 准教授 (90779050)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 合成開口レーダ / 偏波 / 人工物 |
|---|
| Outline of Annual Research Achievements |
2021年度の研究計画は建物向きの一致性を判定指標として、都市区域の中の倒壊建造物を検出方法を提案することです。
目標を達成するため、まず建造物の向き推定法を提案しました。提案した方法は革新的に局所分散情報を導入し、推定精度を大幅に向上しました。ALOS2-PALSAR2の函館市エリアなどのデータに対する提案法の高性能を検証しました。特に、従来法で推定精度が非常に低い45度向きの区域に対する優れた性能を実証しました。当該成果は既に、IEEEの学術会議で発表しました。雑誌に投稿する予定の論文も作成中です。上記の提案法を基づいて、地震前と地震後の向き角度解析結果を比較し、倒壊建造物の識別法の初期モデルを提案しました。この研究では、熊本被災地等の全偏波合成開口レーダのデータを利用しました。建造物の向き角度の微小変化を基準として倒壊建造物を検出する可能性を実証しました。しかし、識別の精度はまだ実際応用に足りないです。孤立の倒壊建造物の識別は極めて難しいです。これから、アルゴリズムを更に改良することが必要です。本年度の計画内容のみならず、前年度既に提案した人工物の識別法を更に改良しました。局所周波数領域分析法の導入によって、先行研究の計算時間を大幅に低減しました。当該成果はリアルタイム識別の実現することに非常に有用でありますので、雑誌に投稿しました。これから、当該アルゴリズムを基づく車用ミリ波レーダの画像化技術を挑戦する予定です。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2021年度の研究内容は主に二つの項目があります。即ち、向き角度推定法の提案と提案した推定法の応用です。
向き角度推定法の提案は順調に完成しました。成果は既にIEEEの学術会議で発表しました。雑誌に投稿する予定の論文も作成しています。提案法は特に従来法で推定精度が非常に低い45度向きの区域に対する優れた性能を持っています。提案法の応用の進捗はやや遅ています。倒壊建造物の識別法の初期モデルを完成しましたが、今の段階で、孤立倒壊建造物に対する識別はまだ難しいです。向き角度は倒壊建造物の検出に有用ですが、このパラメータのみで、高い検出精度を保証することが難しいです。向き角度を推定するために、ある程度の局所ウインドウサイズを使っていますので、ターゲットの細かい情報を損失してしまいました。この原因で、一戸建て等の小さい建物が集まっている住宅区域の解析には実効分解能が足りないです。しかし、倒壊建造物は主に住宅区域で生じますので、従って、識別精度がまだ低いです。2021年度では、現地調査がいけない状態ですので、解析精度の検証も難しいです。これから、併用パラメータの導入や現地調査の再開などの手段を利用し、やや遅れている部分は6月中までに完成できる予想です。また、2022年度の内容の一部は既に完成しましたので、全体的な課題は計画通りに完成できると予測します。
|
| Strategy for Future Research Activity |
2021年度のやや遅れている内容に対して、まず、すでに提案した人工物に敏感するパラメータの組み合わせ方式を最適化する予定です。向き角度を推定するために、ある程度の局所ウインドウサイズを使っていますので、ターゲットの細かい情報を損失してしまいました。その情報の補償のために、大きいウインドウサイズを使わないパラメータの重みを高くする予定です。また、散乱波の強度情報はターゲットの形に敏感ですので、理論的に、倒壊建造物があれば、散乱強度も従って変化することです。この強度情報も導入して更に倒壊建造物の識別制度を向上することを目指しています。解析精度を検証するため、現地調査も再開する予定です。現地調査の場所の選定は、国土交通省の地震に関する報告書を参考にして決めます。
2022年度の研究は、周波数領域データ分析と機械学習の二つの手段を並列的に利用して、大きい建物群と小さい建物群を区別することです。周波数領域データ分析手段において、建物体積と分布密度に関連する平均強度、平均偏波度、および結構配向度等の ASV 特徴量を分析して、感度がよい特徴量の組み合わせを選択します。機械学習手段において，既知の現地調査情報によって，東京エリアから適切な教師サンプルエリアを選定し，既に提案した四元数ニューラルネットワークで分類する予定です。十分な学習を確保するため、異なる向き、分布密度、および体積の建物群を含む大量のサンプルが必要です。四元数ニューラルネットワークによる分類は既に初期結果がありました。成功に住宅区域と商業区域の分類ができました。当該結果に基づく研究内容は計画通りに完成できると予想しています。また、すべての成果を整理して学術会議の発表と雑誌論文を準備します。
|
Research Products
(3 results)
