| 研究課題/領域番号 |
20K14749
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
尚 方 電気通信大学, 大学院情報理工学研究科, 助教 (90779050)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 合成開口レーダ / 四元数ニューラルネットワーク / 人工物エリア解析 |
|---|
| 研究実績の概要 |
(1) 既に提出した偏波度と散乱強度ASV特徴量に基づく立体建物と道路の抽出法を提案した。立体建物の抽出精度を向上するため、2次元空間フーリエを導入しました。函館市エリアのデータを用いて、提案法の優れた性能を実証しました。当該成果はIEEE Geoscience and Remote sensing letters に投稿する予定です。
(2) 建物抽出した後の残った自然区域に対して、森林種類の分析を行いました。構造配向度ASV特徴量を用いた針葉樹・広葉樹の分類法法を提案しました。この成果は当該分野の初めてのLバンドデータによる針葉樹・広葉樹分類法であるため、ToP Journal であるIEEE transactions on Geoscience and Remote sensing に掲載されました。
(3) 従来の回転角度特徴量の統計分析に基づく建造物向き角度の推定法を提案しました。従来法に比べて、向き角度が大きいエリアに対する推定精度は大幅に向上しました。当該結果は国際会議2020 International Geoscience and Remote Sensing Symposium (IGARSS 2020) にて発表しました。また、IEEE Geoscience and Remote sensing letters に投稿する予定です。
(4) 四元数ニューラルネットワークによる大型建物群と小型建物群の分類
既に提案した四元数ニューラルネットワークによる大型建物群と小型建物群の分類を実現しました。東京エリアのデータを用いて商業区域と住宅区域をはっきり区別することができました。また、5年間のデータを観察して、最近できた高速道路のジャンクションも識別できました。当該成果はIEICE SANE研究会にて発表しました。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初の計画は今年度で都市区域の細分化を完成することです。具体的な課題は人工物と自然物区別および立体建物の抽出です。研究実績(1)によって、計画した内容を完成しました。研究実績(2)は計画以上の森林種類分析を行いました。研究実績(3)と(4)は2021年度と2020年度の研究内容の初期結果です。
以上の理由で、2020年度の研究は当初の計画以上に発展していました。
|
| 今後の研究の推進方策 |
2021年度は計画の通りに建物群向きの解析を行います。実績(3)によって、既に建物群向き解析に関する初期結果がありました。しかし、当該結果は簡単な線形モデルを使ったため、実際的な応用には精度がまだ足りません。2021年度の研究において、非線形モデルを導入することに基づくより精度が良い推定法を提案する予定です。具体的な研究方法については以下です。ASV 特徴量の内に、建物の向き角度に繋がるのは対称度と結構配向度です。2021年度は、電波暗室実験と実際の SAR データを用いて、向き角度とこの二つの特徴量の具体的な定量関係を解明する予定があります。まず、電波暗室実験によって、理論的な関数を推定します。次は、東京エリアの ALOS-2 データを利用して、抽出し立体物（建物群）区域に注目し、推定した理論関数を用いて建物群の向き角度を計算します。最後に、十分かつ適切なサンプルエリアを選定し、 計算した向き角度と現地調査のデータを比較することに基づいて、校正係数を推定します。理論関数 と校正係数の精度を確保するため、大量の実験と繰り返し校正が必要です。
|
