| 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,今年度は単一カテゴリーからなる画素におけるスペクトルのばらつきが無視できない場合に有効なアルゴリズムおよび,分光特性が画像内で変動する場合の分類処理方法について検討をおこなった.
1.周辺画素の情報にもとづく混合画素のサブピクセル解析:
すでに開発した要素スペクトルの推定アルゴリズムでは,単一カテゴリーからなる画素においてスペクトルが大きくばらつく場合には,正しく推定できない場合がある.そこで,あらかじめ少数のトレーニングデータを与え,それを用いて単一のカテゴリーからなる画素を画像全体から選択し,解析したい混合画素ごとにその周辺にある単一カテゴリ0画素を取り出して要素スペクトルを推定し,混合画素内の混在比を推定する方法を開発した.分光特性が画像内で変動する場合について有効性を確認した.
2.分光特性の画像内変動を考慮した画素のカテゴリー分類:
分光特性が画像内で変動する場合には,特定の領域から取得した教師データで画像全体を分類すると誤分類が増加する.そこで,画像全体を矩形領域に分割し,教師データを含む初期領域の分類結果を新たな教師データとして隣接する領域を順次分類する方法を開発した.シミュレーション実験でアルゴリズムの有効性を確認し,実画像への適用実験を行っている.
|
