| 研究課題/領域番号 |
19K12043
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 長崎大学 |
|---|
研究代表者 |
喜安 千弥 長崎大学, 情報データ科学部, 教授 (20234388)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 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 / 分類 / 半教師つき / パターン認識 |
|---|
| 研究開始時の研究の概要 |
人工衛星から地表を観測したマルチスペクトル画像に対して，画素のカテゴリー分類を行って地表の対象物を識別することは，リモートセンシングにおける最も重要な処理のひとつである．従来から用いられてきた教師つき分類アルゴリズムは，十分な教師データが利用できることを前提としている．しかし，衛星画像においてはこの条件を満たすことはほとんど不可能である．本研究は，リモートセンシングで得られるマルチスペクトル画像を対象とし，限られた教師データから半教師つき手法により高い精度で衛星画像の画素のカテゴリー分類を実現する実用的な方法を確立し，衛星画像の解析精度を大きく向上させることを目的とする．
|
| 研究成果の概要 |
マルチスペクトル画像の教師つき分類において，限られた教師データでカテゴリー分類の精度を改善する半教師つきアルゴリズムを開発した．SVM(Support Vector Machine)アルゴリズムを組み合わせて多クラス分類を行ったときの誤分類の発生状態を把握し，２クラス分類を拡張した半教師つきSVMの実用的な解法をリモートセンシング画像に適用した．また，半教師つき分類の精度を向上させるために，処理に用いるラベルなしデータをあらかじめ選択し，特徴空間におけるスペクトル間の距離と画素データの空間的な配置を同時に考慮して精度の向上を図った．
|
| 研究成果の学術的意義や社会的意義 |
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．
|
