多バンド衛星画像データベースに対する半自律的・対話的知識発見の研究

点击翻译按钮获取中文摘要

本研究では、マルチバンド画像データベースに対してKDD(データベースからの知識発見)およびデータマイニングの方法論を適用して、半自律的なデータクレンジングと低次の知識の抽出を行い、抽出した知識をユーザーへ視覚的提示することによって対話的な高次知識発見を実現するシステムを構築することを目標とした。またこのシステムをClementine衛星による月のマルチバンド画像に対して適用することによりその有用性を確認した。初年度はRAIDを導入して生画像を収録し、自動位置あわせ、観測条件(入射角度、出射角度)の校正、クラスタリングなど個々の基本的なプロセスについて有効性を確認した。本年度は位置あわせ、校正、スペクトルのクラスタリング、視覚的表示までの一連のプロセスを結合し、空間スペクトルマイニングシステムを構築し、月面の北緯30度から南緯30度までの領域に対して適用した。各バンドの画像は米国地質調査所の標準地図(LDIM)に対して位置あわせを行い0.1゜×0.1゜のBINでサンプリングすることにより空間スペクトルデータとしての融合を行った。また、異なるスペクトルグループで光学的補正に必要な位相関数が異なることを考慮して、光学的補正、スペクトルクラスタリング、スペクトルグループに対する位相関数の決定を逐次反復的に行うことによって、精密な補正に基づくスペクトルグループの空間分布と各グループの位相関数を半自動的に求めることができるようになった。ほぼ半自動的な過程によって得られたスペクトル指標分布図は、専門家によって得られたスペクトル分布、他の衛星によるFe、Ti、Thの元素分布、宇宙風化度等とよく対応している。よって本研究により惑星のマルチバンド画像からの空間スペクトルマイニングのフレームワークを示すことができたと考える。なお高次知識発見のインターフェースについては今後引き続き検討する。