[論文レビュー] Biogeography based Satellite Image Classification

V. K. Panchal, Parminder Singh+2 more|ArXiv.org|Dec 5, 2009

Metaheuristic Optimization Algorithms Research被引用数 89

ひとこと要約

本稿では、クラスタリング機能を統合することで、衛星画像分類の精度を向上させる修正されたバイオジオグラフィーに基づく最適化（BBO）アルゴリズムを提案する。修正BBOは、特徴選択と分布モデリングを最適化することで、実際の衛星画像において高い分類精度を達成し、従来の手法を上回る性能を示す。

ABSTRACT

Biogeography is the study of the geographical distribution of biological organisms. The mindset of the engineer is that we can learn from nature. Biogeography Based Optimization is a burgeoning nature inspired technique to find the optimal solution of the problem. Satellite image classification is an important task because it is the only way we can know about the land cover map of inaccessible areas. Though satellite images have been classified in past by using various techniques, the researchers are always finding alternative strategies for satellite image classification so that they may be prepared to select the most appropriate technique for the feature extraction task in hand. This paper is focused on classification of the satellite image of a particular land cover using the theory of Biogeography based Optimization. The original BBO algorithm does not have the inbuilt property of clustering which is required during image classification. Hence modifications have been proposed to the original algorithm and the modified algorithm is used to classify the satellite image of a given region. The results indicate that highly accurate land cover features can be extracted effectively when the proposed algorithm is used.

研究の動機と目的

• アクセス困難な地域における衛星画像を用いた正確な土地被覆分類の課題に対処すること。
• 元のBBOアルゴリズムが画像分類タスクにおいて内在的なクラスタリング能力を欠いているという制限を克服すること。
• 特徴抽出と分類性能の向上を図るために、クラスタリングを統合した修正BBOフレームワークを開発すること。
• 提案手法の有効性を実際の衛星画像データセット上で評価すること。
• リモートセンシング分野における従来の分類技術の代替手段として、自然を模倣した最適化ベースの手法を提供すること。

提案手法

• 画像分類に特化したクラスタリング機構を統合するように、元のバイオジオグラフィーに基づく最適化（BBO）アルゴリズムを変更する。
• 各潜在的解を「生息地」としてモデル化し、特徴構成を表す「適応度スコア」を設定する。
• BBOにおける移住と変異の操作を再定義し、衛星画像データの特徴クラスタを最適化する。
• 画像ピクセルの空間的およびスペクトル的特徴に基づいて分類精度を最大化するように、適応度関数を設計する。
• 高い適応度（高い生物多様性）の生息地と低い適応度の生息地の間で特徴を交換することで、反復的に解を改善する。
• 実際の衛星画像データセットにアルゴリズムを適用し、最適化された特徴選択とクラスタリングによって土地被覆クラスを抽出する。

実験結果

リサーチクエスチョン

• RQ1 修正されたバイオジオグラフィーに基づく最適化アルゴリズムは、衛星画像分類のためのクラスタリングを効果的に行えるか？
• RQ2 BBOにクラスタリングを統合することで、標準的なBBOと比較して分類精度がどのように向上するか？
• RQ3 提案手法は、実際の衛星画像から土地被覆特徴を抽出する上で、どのような性能を示すか？
• RQ4 修正BBOは、精度と頑健性の観点から、従来の分類技術を上回るか？
• RQ5 画像特徴抽出の文脈において、提案手法はパラメータ設定に対してどれほど感度を示すか？

主な発見

• 修正BBOアルゴリズムは、衛星画像分類のための効果的な特徴抽出を可能にするクラスタリング機能を成功裏に統合した。
• 提案手法は高い分類精度を達成し、従来のアプローチと比較して優れた性能を示した。
• 最適化された生息地解を通じて、衛星画像内の明確に異なる土地被覆タイプを効果的に同定・分離した。
• 結果から、クラスタリングを適応させたBBOが、リモートセンシング画像分類のための実用的で効果的な代替手段であることが確認された。
• 自然を模倣した最適化の有用性が、地理空間応用における複雑な画像分類問題の解決において検証された。
• アルゴリズムは、衛星画像データの高次元性とノイズの多さに対しても頑健であることが示された。