GeoZoom：災害時の迅速な意思決定を支援する次世代型地理情報システムの開発

2023 Fiscal Year Research-status Report

• Project/Area Number: 23K16894
• Research Institution: Akita University
• Principal Investigator: 鳥屋 剛毅 秋田大学, 国際資源学研究科, 准教授 (50753240)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Keywords: リモートセンシング / コンピュータビジョン / 機械学習 / 深層学習 / 合成開口レーダー

Outline of Annual Research Achievements

研究計画書に於ける、(a)異なるセンサ画像間（光学衛星画像とSAR衛星画像）における対応関係の判定手法の開発と、(c)地上撮影画像中に写り込んだ地面領域の抽出と俯瞰視点画像の自動生成処理手法の開発に主に取り組んだ。
(a)は、光学衛星画像とSAR衛星画像における画像レジストレーションの従来技術のサーベイよりはじめ、SIFTなどクラシカルな手邑久町点検出による画像レジストレーションの実験を行い課題抽出を行った。撮影モーダルの差違により特徴点検出とマッチングが困難であることが確認され、今後の研究の筋道が立った。
(c)は、俯瞰視点の自動生成を行う機械学習モデルを訓練するためのトレーニングデータセット作成にはじめに取り組んだ。ドローンを使用して撮影し得た1枚の俯瞰視点画像に対し、回転変換と射影変換を施すことで斜め撮影した地面画像を多数生成しデータセットを作成した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

この研究がおおむね順調に進展している理由として、まず(a)において、従来の画像レジストレーション技術を基礎として、クラシカルな特徴点検出技法であるSIFTを用いた実験により従来手法の課題抽出が行われている点が挙げられる。これにより、光学衛星画像とSAR衛星画像間の対応関係を効率的に判定する手法の開発が進んでいる。一方で、(c)では、地上から撮影された画像を基にドローンを活用して俯瞰視点画像の自動生成を目指す研究が展開されている。特に、ドローン撮影データを用いたトレーニングデータセットの作成は、機械学習モデルの訓練において重要な基盤を提供しており、これが自動生成処理の精度向上に寄与している。このように、実証的かつ段階的なアプローチが順調な進捗の理由である。

Strategy for Future Research Activity

今後の研究推進においては、まず(a)のセンサ画像間対応関係の判定手法において、より高度な特徴点検出アルゴリズムの開発や深層学習を活用したアプローチを導入することが考えられる。これにより、異なるタイプのセンサからのデータの精度をさらに向上させることが可能である。また、(c)に関しては、生成された俯瞰視点画像の品質評価メカニズムを構築し、自動生成処理の信頼性を高めるための研究を進めることが重要である。さらに、実際の応用シーンでの利用を視野に入れ、ユーザーフィードバックを取り入れた改善を行うことも必要である。

Causes of Carryover

購入予定であった実験機材の2023年度の購入を見送ったため、次年度使用額が生じた。2024年度で購入予定である。