[論文レビュー] Land-cover Classification and Mapping for Eastern Himalayan State Sikkim

Ratika Pradhan, Mohan P. Pradhan+3 more|arXiv (Cornell University)|Mar 22, 2010

Remote-Sensing Image Classification参考文献 8被引用数 5

ひとこと要約

本論文は、インドのシッキムにおける土地被覆マッピングを目的として、改良されたk-meansクラスタリング法と人工ニューラルネットワーク（ANN）分類器を組み合わせたハイブリッド手法を提案する。この手法は、k-Nearest Neighbor や最大尤度分類といった従来手法よりも高い精度を達成しており、衛星画像を用いた複雑なヒマラヤ山脈地域の分類において、自己学習と高速認識の有効性を示している。

ABSTRACT

Area of classifying satellite imagery has become a challenging task in current era where there is tremendous growth in settlement i.e. construction of buildings, roads, bridges, dam etc. This paper suggests an improvised k-means and Artificial Neural Network (ANN) classifier for land-cover mapping of Eastern Himalayan state Sikkim. The improvised k-means algorithm shows satisfactory results compared to existing methods that includes k-Nearest Neighbor and maximum likelihood classifier. The strength of the Artificial Neural Network (ANN) classifier lies in the fact that they are fast and have good recognition rate and it's capability of self-learning compared to other classification algorithms has made it widely accepted. Classifier based on ANN shows satisfactory and accurate result in comparison with the classical method.

研究の動機と目的

• シッキムの生態的に感受性が高く、地形的にも複雑な東ヒマラヤ地域における正確な土地被覆分類の課題に対処すること。
• 急速な都市化とインfra構築の影響を受ける衛星画像における分類精度の向上。
• 従来手法と比較して、強化されたk-meansアルゴリズムと人工ニューラルネットワーク（ANN）分類器の性能を評価すること。
• 山岳地帯でデータが不足する地域において、信頼性が高くスケーラブルな土地被覆マッピングソリューションを提供すること。

提案手法

• スペクトル特性に基づいて衛星画像をセグメンテーションするため、反復的リファインメントを用いてクラスターセンタを最適化する改良k-meansクラスタリング法を適用する。
• k-means分類器の出力を、最終的な分類に使用するフィードフォワード型人工ニューラルネットワーク（ANN）の入力として使用する。
• バックプロパゲーションを用いて分類誤差を最小化するようにANNを学習させ、自己学習およびパターン認識の能力を活用する。
• 標準的な精度指標を用いて、提案手法をk-Nearest Neighbor（k-NN）および最大尤度分類器と比較する。
• マルチスペクトル衛星データを統合し、一貫性を確保するとともにノイズを低減するための前処理を実施する。
• 地面の真値データと、全体精度、生産者正確度、ユーザ正確度の指標を用いて、性能評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 改良k-meansアルゴリズムは、k-NNおよび最大尤度分類器と比較して、シッキムの複雑な地形における土地被覆分類でどの程度の性能を示すか？
• RQ2 人工ニューラルネットワーク（ANN）を統合することで、東ヒマラヤ地域の衛星画像における分類精度はどの程度向上するか？
• RQ3 ANNの自己学習および高速処理能力は、厳しい環境条件下での土地被覆マッピングにおいて顕著な利点を提供できるか？
• RQ4 提案されたハイブリッドk-meansとANNアプローチの相対的精度は、古典的手法と比べてどの程度か？

主な発見

• 改良k-meansアルゴリズムは、シッキムにおける土地被覆分類において、k-Nearest Neighborおよび最大尤度分類器を上回る良好な結果を示した。
• 人工ニューラルネットワーク（ANN）分類器は、自己学習および認識能力のおかげで、より高い精度と高速な処理を達成した。
• k-meansとANNのハイブリッドアプローチは、研究地域において古典的手法よりもより正確で信頼性の高い土地被覆マップを生成した。
• 本研究では、ANNベースの分類が、東ヒマラヤ地域のような複雑で急激に変化する景観に適していることが確認された。
• 提案手法は、山岳地帯に一般的に見られるスペクトル変動性および地形的影響を効果的に処理できた。