| 研究概要 |
本研究は,遠隔計測によって得られたハイパースペクトラル画像を対象として,サブピクセルの情報を高精度に抽出する手法の開発を目的としている.複数のカテゴリーが画素内に混在することに起因する誤分類を低減し,さらに,画素内のカテゴリーの混在比を高精度に推定することをめざし,今年度は周辺画素を含めたコンテクストを考慮する分類手法および,画像を小領域に分割して混在カテゴリーの要素スペクトルを精度良く推定する方式について検討をおこなった.
1.画像のコンテクストを考慮した混合画素の誤分類低減:
混合画素が全く異なるカテゴリーに誤分類されることを防ぐため,まず分光情報を用いて混合画素か否かを判断し,次に空間的なコンテクストを考慮して可能性のあるカテゴリーを限定したうえで,分光的に最も妥当なカテゴリーに分類した.混合画素の周囲に存在する分類済画素をトレーニングデータとして利用することによって,分光特性の変動にも対応できる処理方法を実現した.シミュレーション実験でアルゴリズムの妥当性を確認し,実際の多重分光画像への適用を試みている.
2.分光特性の画像内変動を考慮する要素スペクトルの適応的推定:
対象の分光特性が画像内で変動する場合においても画素内の混在比を高精度に推定するため,まず画像全体を格子状の小領域に分割し,小領域内では分光特性を一定とみなして観測データ自身から要素数および要素スペクトルを推定し,それを用いて画素内の混在比を算出するアルゴリズムを開発した.小領域ごとに処理をおこなうことにより,混在比の推定精度が向上することをシミュレーション実験で確認した.
|
