ラベリングの競合を回避する衛星画像の半教師付きカテゴリー分類

抄録

リモートセンシングによって得られた画像を識別するには一般的に，コンピュータを用いた教師付きカテゴリー分類法を用いる．
しかし，常に十分な量のトレーニングデータが得られた状態であるとは限らない．そこで，少数のトレーニングデータを用いて正しく分類する手法として半教師付きカテゴリー分類法があげられる．
しかし、ラベリングの競合により少数のトレーニングデータをうまく活用できていない部分がある．そこで，本研究では多重分光画像の分光特性を基にしたカテゴリー分類を例に，少数のトレーニングデータ上の各カテゴリーの重心と分光特性の平均値を初期値として与え，ラベリングの競合を防ぐクラスタリングを提案した．