| 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て研究を行った。まず,周辺画素を含めたコンテクストを考慮する分類手法として,分光情報を用いて混合画素か否かを判断し,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,妥当なカテゴリーに分類する方法を開発した。また,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,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.一方,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として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ー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.最終年度には,開発したアルゴリズムを半教師付き手法として整理し,利用できる教師データが限定されている場合に画素の分類や画素内の混在比の推定を高精度に行うアルゴリズムとした。
|
