大規模衛星画像に対するサイエンティフィックデータベースとデータマイニング

近年のリモートセンシングでは大量の科学画像データを取得できるようになってきた。これに伴い、大規模なデータベースの構築、半自動的な特徴抽出、空間・時間・イベントに関した規則性の発見などについて、より実戦的な研究が要請されるようになってきている。本研究ではKohonenの自己組織化マップによる画像のクラスタリングを中心として、気象画像に対する知識発見支援システムと惑星画像からのクレーター抽出とカテゴリー化についての検討を行なった。気象画像については1997年と1998年の2年分のひまわりのデータを4×4の2段階自己組織化マップでクラスタリングした。その結果、適合率86%、再現率84-86%の高い精度でクラスタリングを行なうことができた。得られたクラスタは、前線、台風などの特徴と季節で意味記述を行なうことにより、それぞれ13、11のグループに分けられた。さらにクラスタ値を時系列データとして展開してウィンドウ内の共出現対によって時間依存相関ルールを抽出した。抽出したイベントやルールもデータベースに格納し、SQLによる検索を可能にした。また実際に統合したシステムを実装し、専門家に対するより柔軟な分析システムとして組み上げることができた。惑星画像からのクレーター解析についてはグレースケールの画像からクレーターを自動抽出し、自己組織化マップによって分類することを構想した。さらにアメリカのクレメンタイン衛星の月のマルチスペクトルを用いて予備的実験を行なった。自動抽出には階層化組み合わせハフ変換と遺伝的アルゴリズムを適用した。また、クレーター抽出分析システムについては、正規化した画像ベクトルを入力することによって、お椀型、平底型などの視覚的な特徴がマップ上でクラスタリングされることを確認した。

近年のリモートセンシングでは大量の科学画像データを取得できるようになってきた。これに伴い、大規模なデータベースの構築、半自動的な特徴抽出、空間・時間・イベントに関した規則性の発見などについて、より実戦的な研究が要請されるようになってきている。本研究ではKohonenの自己組織化マップによる画像のクラスタリングを中心として、気象画像に対する知識発見支援システムと惑星画像からのクレーター抽出とカテゴリー化についての検討を行なった。気象画像については1997年と1998年の2年分のひまわりのデータを4×4の2段階自己組織化マップでクラスタリングした。その結果、適合率86%、再現率84-86%の高い精度でクラスタリングを行なうことができた。得られたクラスタは、前線、台風などの特徴と季節で意味記述を行なうことにより、それぞれ13、11のグループに分けられた。さらにクラスタ値を時系列データとして展開してウィンドウ内の共出現対によって時間依存相関ルールを抽出した。抽出したイベントやルールもデータベースに格納し、SQLによる検索を可能にした。また実際に統合したシステムを実装し、専門家に対するより柔軟な分析システムとして組み上げることができた。惑星画像からのクレーター解析についてはグレースケールの画像からクレーターを自動抽出し、自己組織化マップによって分類することを構想した。さらにアメリカのクレメンタイン衛星の月のマルチスペクトルを用いて予備的実験を行なった。自動抽出には階層化組み合わせハフ変換と遺伝的アルゴリズムを適用した。また、クレーター抽出分析システムについては、正規化した画像ベクトルを入力することによって、お椀型、平底型などの視覚的な特徴がマップ上でクラスタリングされることを確認した。