| 研究概要 |
1)流氷レーダ画像の運動解析の高速化
流氷分布の時間的変化を自動的・客観的に把握するために,流氷レーダ画像に対して,ブロックマッチング法を応用できる.しかしながら,流氷分布の運動は複雑であり,通常のブロックマッチング解析では,多くの誤差(過誤ベクトル)が発生する.また,安全な航路を確保するためには,現在の状況を把握するだけでなく,未来の状況を予測する必要がある.そして,理想的には,この処理を自動的かつリアルタイムに実現する必要がある.ブロックマッチング法の解析結果は,予測処理の入力情報としても利用し得るものである.しかしながら,通常のブロックマッチング法では計算量が非常に大きいため,リアルタイム処理は困難である.そこで,本研究では,流氷解析の高速化・高精度化をはかるため,ブロックマッチングの改良手法を開発している.過誤ベクトルの発生原因を予測・回避することにより,高速化と高精度化を両立させている。
2)ニューラルネットワークを用いたサブピクセル推定法
デジタル画像上で輝度値のパターンを追跡する場合、標本化の影響で画素単位の移動量しか得られない事になる。すなわち、観測されているレーダ画像の1画素の大きさは約1600×1600[m]の正方領域を示しており、通常のPIVの手法ではこれ以上の精度の流速分布を求めることが出来ない。そこで、対象とする画素の近傍の濃度相関法における相関値の最大値とその周りの相関値を利用して、サブピクセル精度で流速分布を求め方法が提案されている。しかしながら、一般に用いられているガウス関数を一致度関数とした場合、十分なサブピクセル精度を得る事が出来ない。そこで、本研究ではニューラルネットワークを用いて、事前にレーダ画像のサブピクセル精度を学習させ、実用航海に耐えうる計測精度の向上をはかっている。
|
