研究課題/領域番号 |
25330199
|
研究機関 | 長崎大学 |
研究代表者 |
喜安 千弥 長崎大学, 工学研究科, 教授 (20234388)
|
研究分担者 |
酒井 智弥 長崎大学, 工学研究科, 准教授 (30345003)
薗田 光太郎 長崎大学, 工学研究科, 助教 (90415852)
|
研究期間 (年度) |
2013-04-01 – 2016-03-31
|
キーワード | 半教師付き分類 / リモートセンシング / マルチスペクトル画像 |
研究実績の概要 |
教師付きカテゴリー分類を精度良く行うには,十分な量のトレーニングデータが必要であるが,衛星画像においては少数のトレーニングデータしか得られない場合が多い.本研究は,衛星画像を対象として限られた教師データから高精度のカテゴリー分類を実現しようとするものである.平成26年度は,前年度に検討したクラスタリングに基づく教師データの拡張法に加えて,マルチスペクトル画像における分光特性の空間的な変動と,カテゴリーの空間的な分布状態に着目して,半教師付手法による分類方法を改良した. まず最尤法による予備的な分類(予備分類)を行い,さらに分類の際の尤度が高い画素のみを選択的に抽出した,マルチスペクトル画像全体をメッシュ状に分割し,メッシュ領域内で最も多く分類されたカテゴリーの占める割合が一定値を超えていれば,その領域内の全画素を新たに該当するカテゴリーの拡張トレーニングデータとした.このとき,対象物の分光特性が画像内で変動する場合には,拡張トレーニングデータの偏りにより十分な効果が得られない場合がある.そこで画像全体をあらかじめ分光特性の変動を考慮して分割し,各領域ごとにその領域内から得られた拡張トレーニングデータを用いて分類を行った. 人工衛星Landsatによる観測画像を対象とし,教師データを大幅に限定して分類処理を行う実験を行った結果,改良方法を用いることによって,分類正答率が向上をすることを確認した.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
「時空間情報を考慮したマルチスペクトル画像のクラスタリングに基づく教師データの拡張」に関して,分光特性の空間的な変動を考慮した改善を行うとともに,「拡張した教師データを用いる半教師つき分類アルゴリズム」として,空間的に分光特性が同一とみなせる領域に分割して処理を行う方法を開発した.また,「効果の実験確認」を行い,Landsatによる観測画像を用いて実データで効果を確認した.
|
今後の研究の推進方策 |
今後は,拡張した教師データとラベルづけされていない画素を用いる半教師つきカテゴリー分類アルゴリズムについてさらに検討するとともに.半教師つき分類の手法として提案されているcluster kernelを用いたSVM 等と比較検討する.時系列の画像へ適用する方法についても検討し,アルゴリズムの高度化を図る.
|
次年度使用額が生じた理由 |
当初は新規の画像データを購入するとともに,それを格納するネットワークストレージの導入を計画していたが,第2年度までは既存のデータを利用することで十分な検証実験を行うことができた.第3年度の実験にあたっては新規のデータを購入する必要があるが,研究の進展に応じて適切なデータを最新の情報にもとづいて選択するべきであると判断したため,該当の予算使用を翌年度に持ち越した.
|
次年度使用額の使用計画 |
検証実験に必要な最新の画像データを購入するとともに,それを保存するためのストレージ機器を購入するために使用し,次年度分の助成金とあわせて研究の進展のために有効に活用する.
|