2015 Fiscal Year Annual Research Report
教師データが限られた衛星画像のための半教師つき高精度画素分類アルゴリズム
| Project/Area Number |
25330199
|
|---|
| 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) |
2013-04-01 – 2016-03-31
|
| 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 Annual Research Achievements |
教師付きカテゴリー分類を精度良く行うには，十分な量のトレーニングデータが必要であるが，衛星画像においては少数のトレーニングデータしか得られない場合が多い．本研究は，衛星画像を対象として限られた教師データから高精度のカテゴリー分類を実現しようとするものである．前年度までに，クラスタリングに基づく教師データの拡張法に加えて，マルチスペクトル画像における分光特性の空間的な変動と，カテゴリーの空間的な分布状態に着目して，半教師付手法による分類方法を改良してきた．分光特性による予備的な分類を行い，さらに尤度が高い画素のみを選択的に抽出してトレーニングデータを拡張した．さらに画像全体をあらかじめ分光特性の変動を考慮して分割し，各領域ごとにトレーニングデータを拡張することで精度を改善した．
平成27年度においては，開発してきたアルゴリズムを改良しつつ実用性の検証を行ったが，対象データによってアルゴリズムが有効に機能する場合とそうでない場合があることが確かめられたほか，パラメータの選択が重要であることがわかった．半教師付きの手法は，データの特性によって有効な場合が異なることに注意しなければならないが，半教師付き手法の有効性をデータ自身から判定しつつアルゴリズムを自動的に切り替える方法などが必要になることがわかった．今後は，どのようなデータに対しても適切な結果を与えるロバストな手法に発展させていきたい．
|
