2016 Fiscal Year Annual Research Report
Extraction of Latent Structure from Imaging Data Using Markov Random Field Models
| Project/Area Number |
25280090
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
岡田 真人 東京大学, 新領域創成科学研究科, 教授 (90233345)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
永田 賢二 国立研究開発法人産業技術総合研究所, 人工知能研究センター・機械学習研究チーム, 主任研究員 (10556062)
赤井 一郎 熊本大学, パルスパワー科学研究所, 教授 (20212392)
桑谷 立 国立研究開発法人海洋研究開発機構, 地球内部物質循環研究分野, 研究員 (60646785)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | 画像処理 / イメージング / ベイズ推論 / 潜在構想 / ビッグデータ |
|---|
| Outline of Annual Research Achievements |
本研究課題では，科学技術計測から得られた画像データから系の物理特性を自動的に抽出するアルゴリズムを提案する．平成25年度の成果により，マルコフ確率場モデルにおけるハイパーパラメータが拡散方程式の拡散係数と対応することが明らかになったため，ハイパーパラメータ推定を通じて拡散係数を精度良く推定することが重要になっている．平成26年度，平成27年度では，ハイパーパラメータ推定に対して観測時の空間解像度や時間解像度の低下が及ぼす影響を評価した．平成28年度では，以下に説明するように，(1)マルコフ確率場モデルのハイパーパラメータ分布推定に対する理論的評価手法の開発 (2)マルコフ確率場モデル解析法の境界条件に関する拡張 について研究を遂行した．
(1)平成25年度の成果によって得られたマルコフ確率場モデルのハイパーパラメータ分布推定法に対し，分布の期待値を解析的に計算する手法を提案した．本手法によって，モデルに含まれる物理特性パラメータや観測条件から，推定される物理特性パラメータの値と誤差を解析的に評価する事が可能になった．本手法は，具体的な観測モデルを設定した際のモデルの評価に繋がる．
(2)平成25年度から(1)の研究を含め，マルコフ確率場モデルの解析は解析の都合のため周期的境界条件を仮定していた．本研究では，この周期的境界条件を仮定せずに解析可能な新手法を提案した．新手法を利用することにより，推定誤差に対応するハイパーパラメータ分布推定の信頼度が向上することを示した．また，本手法によって推定されたハイパーパラメータを利用することで，画像解析の性能が向上することを示した．本研究で拡張された解析法により，境界条件を廃したより一般の画像データに対する，マルコフ確率場モデルを用いた物理特性の抽出が可能になる．
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
| Causes of Carryover |
28年度が最終年度であるため、記入しない。
|
| Expenditure Plan for Carryover Budget |
28年度が最終年度であるため、記入しない。
|
