土地被覆分類におけるテクスチャ計測を用いたマルチテンポラルSARと光学データの併用

抄録

本論文では，トレーニングサンプル（SS）選択方法を組み込みながら，単一偏波の多時期SARと光学データをベイズ理論に基づいて統合して分類するフレームワークを提案する。このフレームワークでは，グレーレベル生起行列（GLCM）ベースの平均値テクスチャを用いた組合せが検討されている。より正確で空間的に分散したトレーニングサンプルを生成するSSの処理と，分類という２つの処理が統合されている。提案するフレームワークでは，多時期のSARデータから抽出された特徴－平均後方散乱係数，後方散乱の時間変動，長期間のコヒーレンス－と，光学データから抽出された反射率が，GLCMの平均値テクスチャを経由して統合されている。大阪を対象地に選んで分類が行われた。選択した土地被覆クラスは，市街地，野原，森林，水域であった。最も分類に適したデータは，異なるデータの相互補完，テクスチャの平滑化効果という点で，多偏波SARと光学データを平均値テクスチャを経由して統合するものであった。サポートベクターマシン（SVM）とニューラルネットワーク（NN）ベースのSS手法で改良されたトレーニングサンプルを用いて分類した結果が，全てのケースの中で最も高い分類精度を示した。