Comments
Transcript
Page 1 州工業大学学術機関リポジトリ *kyutaca 『 Kyushulnstitute of
九州工業大学学術機関リポジトリ Title Author(s) Issue Date URL リモートセンシングデータ処理システムの開発 玉木, 明和; 山田, 光利; 加藤, 清史 1980-09-01T00:00:00Z http://hdl.handle.net/10228/4207 Rights Kyushu Institute of Technology Academic Repository 九州工菜大学研究報告（工学）No．41 1980年9月 205 リモートセンシングデータ処理システムの開発 （昭和55年5月31Ei原稿受付） 情報工学教室玉木明和 山 田 光 利 加 藤 清 史 Developrnent of Data−Processing System for Remote Sensing Data by Akikazu TAMAKI Mitsutoshi YAMADA Kiyoshi KATO Ab8tract Remote sensing data are an且lized by digital computer， since they have plenty of information． The authors developed the data・processing system of remote sensing data stored in CCT （Computer Cornpatible Tape）， When the system i5 giΨen the trainillg pa亡tern sets by the an且1yst， it calculates the means and covariances of every class、 and then clas5ifies unde6ned poillts ill CCT by using these statistics． The sy8tern consists of some prograrn packages． Irl this report， the authors describe ho、v to use this system by showillg some examples， 、．まえがき よっ匂ンピュータと燗とのインターフェースを容易 にするため，会話型の処理が可能となっている。 文献8によると「リモートセンシングとは航空機や人 2．リモートセンシングデータ 工衛星などのプラットフォームに塔載されたリモートセ ンサを用いて，地表の対象物から反射または放射される 飛行機や人工衛星などのプラットフォームからデータ 電磁波を収集し，それらのデータを用いて対象物や現錬 収集を行うが，これは光の波長帯の反射または放射の強 に関する情報を得る技術である。」とある。この技術の応 さを記録するものである。この渡長帯のことをチャネル 用として次のようなものが掲げられる。都市や農村にお と呼び，人間の視覚の色に相当する。収集されたデータ ける土地の利用図の作成，農作物の判別，海や河川の汚 の処理には，アナログ処理とディジタル処理がある。デー 染調査，気象調査，地形調査などである。これらのデー タの解析を行う前に，前処理によって，雑音の除去や歪 タは莫大なものであり，コンピュータの力を借りなけれ の補正をしなければならない。 ば処理できない。したがって，リモートセンシングデー ディジタル処理は，ディジタルコンピュータで処理を タをディジタルコンピュータで処理する種々の技術が考 行うため，それに適したデータ構造を持たねばならない。 案され，データ処理システムが開発されてきた。 そのデータ構造をもったデータを記録している磁気テー 著者らは，FACOM 230−45S， U−200Lコンピュータ ブをCCT（Computer Compatible Tape）と呼び，図一1 システムにリモート七ンシングデータ処理システムを聞 に示す構造を持っている。プラットフォームの進行方向 発してきたが，ある程度の処理が可能となったので，モ に対して，ライン番号が付けられ，直角方向（スキャナー の概略を報告する。データ処理過程において，亜要な判 の回転方向）に対して，カラム番号が付けられ，このよ 断を下すところには，人間が介在しなければならない。 うなプレーンがチャネル数ほどある。したがって，ライ 206 ン番号とカラム番号とチャネル番号を指定すれば，対応 する地点の対応するチャネルに属する波長帯の放射の強 N さが解る。また，チャネル数をmとすれば，ある地点の 竃 ひ 各チャネルごとの放射の強さをm次元ペクトルの成分と 看 考えることができ，データ処理がm次元ペクトル空間上 で行うことができる。 CO］um「1｝IO． x 苫 苫 O o 算 冥 苫 ゜。％：。。 11二、1 亡1a551 channEI l 三 二 図一2 各クラスの分布 P 各クラスの代表的なサンプルパターンセット（これを 教師と呼ぶ。）を人間が選び，その教師から寄クラスごと に続計量（平均，分散等）を計算し，それらの統計量を 基に未知パターンの分類（クラス分け）を行う方法があ る。これを教師あり分類と呼ぶ。本システムではこの方 法を用いている。前もって与えられるサンプルパターン ／ セットはグランドトルース（地上での調査）によって得 る必要がある。また，他の方法として，教師としてサン プルパターンセットを与えなくてもデータ処理システム 図一1 CCTのデータ構造 が自動的に統計量を算出して分類を行う教師なし分類も ある。本システムでは教師なし分類は作成していない。 本報告で使用する分類法にっいて簡単に述べる。以下 で使用する記号を列記する。 3・データのクラス分け ㍑、 ニクラスiの平均パターンペクトル リモートセンシングデータの利用のひとつとして，土 Σゴ ：クラスiの共分散行列 地利用図を作成するものがある。これはクラスタリング ・P（Cr） 1クラスfの生起確率 の技術が使用される。 P已1巳｝：クラスfが与えられた時のエの条件付確 チャネル数が2個の場合を考えてみよう。クラス1， 率密度関数 2，3に属するパターンベクトルを適当にサンプルし， 最尤法による分類 チャネル1，2平面にプロットすると図ユのようにな 未知パターンペクトルエがクラス∫に属すると決定す る。この平面上で，ある未知パターンベクトル皿がどの るのはつぎの条件を満たす場合である。 クラスに属するかを決定するのがクラスターである。すな 条件 わち，その地点（未知パターンベクトルが得られた地点） すべての」キiに対して が，どのように利用されているかを決定することを意味 9fω＞9」（エ） する。このクラスターに対して，統計的な手法を用いた が成立する。 種々の方法が考案されている。 ここに 207 晶ω一 i2』1竃倒一≠一・・）τΣ71（⇒ 4・画噸システム 白1はクラスの数） 図一3に画像処理システム全体図が示してある。45Sと である。 U−200Lは， CCA（Channel To Channel Adaptor）に 上式から解るように，各クラスのパターンベクトルの より結合されている。CCDカメラにより得られた画像 分布はガウス分布を仮定している。 デー・タは，CCAにより45Sに転送され，いろいろな処理 距離による分類 が可能である。その結果は，磁気ディスク，磁気テープ 未知パターンベクトルェがクラス5に属すると決定す に記憶することが可能であり，また，CCAにより， U るのはつぎの条件を満たす場合である。 −200L側のグラフィックディスプレイ（カラーディスプレ 条件 イ）に表示可能である。 すべての∫≠「に対して 45SとU−200L問での会話も可能である。すなわち， ゴ‘已，脂）＜ゴ」伝，ロ」） U−200Lのコンソールタイプライタからメッセージを が成立する。’ 入力し，45S側はそれを受け取り，判断し，処理を開始 ここに する。 逆に，45S側からU−200Lにメッセージを送リ ゴ」ぱ，μ」〕＝已一1‘」）丁Σ∫1已一ロ」） U−200L側のコンソールタイプライタに出力可能であ である。 る。 これは，未知パターンベクトルェと各クラスの平均ペ クトルμ」との距離を計算し，その最小値をとるクラスを ，．。。．コロ ， 、・・口・ぽ 1 未知パターンベクトルエの属す聞ラスとす舳のであ 一…一‘ ‘．・1‘∵＿・ る。 1口 diverg〔…n《三e 、．，．．引プ，押 ；1叫紬K…‘ □、い， 二：：宗 クラス問の分離についての尺度として，divergenceが 、一，．。、， w 号 用いられる。 ．．．、イ 覧1帥，『 クラスζノの条件付確率の比の対数をL‘」ωとする。 三慧 畳1 すなわち， Lωニb9，P（。IC）−1。9，P（エIC）． 図一3画｛象処理シ貯ム全体図 クラスCゴのdivergence D；」をっぎのように定義する。 D七＝E｛Liパェ）ICi｝十E｛、L」ゴ（到1C」｝ 平均パターンペクトルπ‘，π」と共分散行列を使って書 5．リモートセンシングデータのバッチ処理シス テム けば， リモートセンシングデータの解折を実際に行なうのは・ コンピュータ専門以外の人々になる。したがって簡単に Dl戸÷’・〔（」i7f一Σ」）（」i7∫1一Σ「1）〕 解析を行なうため駄いくつかの腰なプ・グラム ＋†r個＋珈一・・）ぽ）η ㌶：鷲竺㌶霞1霞：難竺 となる。このdiΨergenceを用いてクラス’，ノの分離度 示す。 Dをつぎのように定義する。 A：データの2次元表示〔X−Yプロッタ〕 D（，，ゴ）−2〔ユー・・p剖 ll；：舞欝㌫蒜タ〕 ここで定義された分離度は，トレーニングセットとし D：濃淡マップ〔LP〕 て選んだ教師が妥当なものであるか否かの判定に使用さ El各トレーニングパターンの1∼6チャネルにおけ れる。 るデータを調べる〔LP〕 208 F：特徴空間の作成〔X−Yプロッタ〕 G：分離度（ダイパージェンス）計算〔LP〕 Ill門ス統誠（平均底共分散）計算〔LP〕 拍め Il分類マップ1（最尤推定法）〔LP〕 CCT Jl分類マップ2｛汎距離法）〔LP〕 Klチャネル問の相関関係のグラフ作成〔LP〕 ccTσゴ1・口 L：分類マップのTV表示〔カラーディスプレイ〕 「聞検討 （〔〕内は出力形式を表わす） 次に，瀦らが開発したプ・グラムパ。ケージを利用 蹴プ職 したリモートセンシングデータの解析手順の概略を図 工上のデータニリ グ号ンドトルース の選宅 一4に示す。 【トL−一ニン三」［’一｝’ 以下，このアルゴリズムに従って，実際にこのシステ ムを使用した結果を例として説明を行う。なお，それぞ 判別にff効な チt・ネルの選 れのパッケージに必要なパラメータを表一1に示す。 択 パッチ処理の欠点は，各ステップにおいてジョブが独 立していることである。したがって，コンピュータ処理 ｛÷グラ：〆 ド トノレ ースに間丁ろガ 時間以外の時間が増大する。 ウス尋三計呈P出 5．1．CCTの評価，質の検討 航空機などに塔載する．Multi Spectral Scanner 判別 （MSS）は，画面の両端にノイズが生じやすいため，ノイ ズのないカラム数を知る必要がある。図一5は，パッケー 評Ei・顯 ジBを使用したデータの3次元表示であり，図一6は．パッ ケージAを使用したその断面図である。これからも分る ｝冬わり ように有効なカラム数は，約20∼700である。また，図一7 は，データのヒストグラム表示である。これは，リモー 図一4 リモートセンシングデータの解析 トセンシングデータが正規分布をしていることを示して 手順 いる。 表一1 入カバラメータ（バッチ型） 一。蕊一’回口口ICllC21C31・・1・Gi・』1・NIATI猷1△YD・ LLC1・ライ・、カラムのト刀］轍 ・1可廿δ同一1・∋＿LLL］IL2．c2・ライ・、・ラム酬・1・ ・・1。」Gl。・｝・1｜・川」旦1工・3・・3・ライ・、・ラムの1・・1隔 ロ川 川 1・C・クラ斑 C」o回O「Oloo川1 口 1 1 D回。に。。｜ol oil l ol NG・次元 Oi 1 ・ld。｛。1・iO巴LL］＿山 1・1・A・チ・ネル翻 ・L口」」」」旦］旦＿LU。。 NC・・色の指定（・一・） 一」＿山＿LLLI・・1・」止Ll⊥⊥＿…クラス名 ・回dc司・・回LL日川A丁・シ…ル P。巳。」O］。1001。b川ol。1川｜4X・X翻分 」 巳○α○，o’〇四川」 川 1 4Y：Y軸増分 一一一 1 1 L：＿l l ．＿＿＿→＿＿一＿」＿ 1’ 熬?焜e粁井早＋＋ 1トー… ・1・1。1。i・回旦担．］」旦1＿L⊥LDV・分1〈 L l巳ii回 ll川川1 川 209 川ズペクトル値 ‘ を6ヵ所選定している 解析老自身の目的によってト ライン数 鵠 ゜ 」 ！ 甑 一一・−1…・・ 1 ・ラ蝋 ・ 1≡二≡・， ロ オロ オ 図一5 データの3次元表示 i籔i’…’…±≡i l 」■− 4 ． 1 鳥s・l l ． 1 ●一帽 ‘ ． 1 ●●■一 ‘ ． 1 ●胴i‘」田 ‘ h l l ‘ 凹，■ul l l ’ ‘1」IU し阿q土幽，1’． L徊1’，，1LrL．．1 t」． Jh ‘1ぷ．’ ■“鯖・， l I ■ ・一胸‘ l I エ ほホピ エ 18」t白憤臼胴 記山 1°一・l I ピΣ」 ｝：°巴：：‘㌫ 一rl．、 一一“一L●L■司L1‘‘‘“‘‘1‘1‘u‘‘1．．」・，■’■「’■r．■’．■．■．■■．‘．■r’．●1’→〔“r・一一弓●．H亀1L’‘．．‘▼s■●“．㊧・■・㎡ト‘ 室 ‘認1㌃淵n陥：＝1漂濡ll：濡は：・・二ご：‘111n’・1：：1：1嵩・：1 Lll：直：：：吉㍍：：：‘二『1二 口 r一一’“”唱佃叩’一一“………”…’…’’”…’’”…1：’…’’’”唱巾’唱’＝ニニ…’…”1”…”…… ヘド コリ カコサ ロヘリ ぽひ ほロ ぽ ぱ ’ ＝lrM ．’…“一＝…＝：： 〔｛口唱H“’：二 苧 ＝i＝窯＝＝＝＝ 杜一一一＝＝＝＝＝＝ 幸 ≡i一驚＝：＝＝一＝一 ＿『≡≡1≡ −1 −一■一“■一一一噛■」 ． も一rr【●●rrr−r嘘一＿ パパ ロ ば りらぽ ぽコ リ り ロコリ コロ エコぽり コ ふぽの トひバ 幽 iii璽燕≧≧＿⊇≡≧三一≡ ．“5 ・ 「H一●ウー●申●白 ｛．H− ・．倉L ■唱一●一■●一恒 r■噛申目r ．」占‘ ■■■■声嗣閂一一ρ●榊．．申巳一r㍉．一一骨＿兵“●HP●●＿骨 叫“ r閏●◆一“陽．，・●｝・一一．一州謄一一1 −rr−＿■← ひト れ ホ り ゆ ト ば コ に コ リロロリ マ コ ぽト マツ りの ロぽ ロ 鞠 ■． 白u 御智 栖吟 r四 ・一吋 口百 書卑旬 ・」瞥田 ■‘臼 芸：1ロー一＿一＝曽一悼”一一：＝二：＝：＝＝：…− L頃L¶r 」鮎呵t■ ，．マ 噛」．‘ 喘■｝一＿＿唱・．．“一駒帽＿●．●・唱◆一．一■．■岡」削田一一●L−−a ●ハ‘ −r嗣・一一一㍉，・1L1φ一・一．．．軸一・一・．・，．一“r＿．頃r ・．1 ■一Llr■一■“一層．■■唱唱H■唱●■●一】嗣閂喘L−■ コ コ り ロリ り コピリロ ロ ロ エロリ ご 図一6 データの2次元表示 ≡i…‘声……鐵…i≡≡三＝1：＝一“ii≡＝＝’ ． 噴IIl −w■詞阿【■皐噛輌r一一一”LiHr− ●1’， 加一｛■r−一r一特H− 一村■声■ 1白■●一■● ・，1． 騨軸一一r一一一 【■r−w ■一●寸 ・」‘ ●開抱‘““●」■制ロ“一一一 “H＿Hエ ロけホ ロ ロ の ’ 1計＿一．山一一：：：＝＝＝＝＝一一 一 鋼鯖問「可●一工一一一●【岬●引一．． 一」一■一 ，・1 唱 一」H■甲旧一■一一 ．＿ ロ ロトじ ぷ ず コ ぽロぽ ロ 1．一」1［： ｛ii−．』一．．．押一．…‘一叫声用一…鼻一一．一 貿…n脳1エt…昂京門11 @ ■ 一一・．一… 軸●． 一 図一7 データのヒストグラム 図一B 濃淡マップ 表一2 グランドトルース（トレーニングパターンセット） グランドトルース 玄 海 灘 シ・ボル1 クラ賠 一 ｝欄ER 2 R 雁の巣米軍基地跡 ．博多湾 ライ端 L・ラ識 ROUGII lW・TER1 ● 51−7・ 16口L一 1395−1姻 1 6ユー70 2。Ol−2020 」 101−llO ＿ ＿L ＿＿＿ 天神付近 A 225−23・1 GREEN 1 鵠5］−3370 、i｝−50 南公園付近 G 抽 山 ・ lF・REST i 3541−3560150］−510 一 ∋一“一ロー一 210 レーニングパターンを選定できる。たとえば，陸地と海 する統計量（平均ベクトル，共分散行列）を算出した結 を分類する場合は，2ヵ所となる．ただし，最高8ヵ所 果を表一4に示す。この平均ペクトルと共分散行列の値 である。また，ライン数×カラム数の最高は，20x20で は，このステップ終了と同時に，瞳気ディスクに記憶さ ある。 れ，次のステップの入力となる。 5．4．判別に有効なチャネルの選択 トレ＿ングパターンセ。トに選定したデータ縫 表一4鮒量 コ ヒ ム しロ ぱベ マロしヨイ こげい ユのくエ チャネル問においてヤどれぐらい分陛しているかを調べ 、＿哨、‘“畦‘、ユ。市、】．．．、r．、．、，酬、ば川、卵・＿，”、＿、⊇ ↓． ● ，1− ，印 ‘」”・ 亀亀．，喝目 〕亀呼76瞥 ●．●」， o・、」1 0・●o● ココ ココリコト けコ ロ セ アロ オロコい エコマ ロ コひのば おゐコユ ラ エロ ロ ロ セパよロ コ ロ エエい ちトまロセ しふニ ロ れじロロ はク かロぼオ ⇔o 」・， 川同、“．・、・才，・ ，i．叫 叫・‘・‘ ．P．・．1 ・，・‘1・ 1・・川 1■ ● ，●，t．，‘，0 特1− ，O ●，唱‘オC 7■白，i自 ，’JO， 10．ち‘1 ■，，．，■1 ‘． ， 」，‘1．，，払o ’臼‘一 ヨIo ’瞥．o■， ■●‘」‘， ●占，白， 1，】‘，’1 ●．1」‘ パッケージFを使用し，視覚的評価をするために特徴空 間を作成する。（図一9）また、パッケージGを使用し，数 5．6．分類マップ 値的に評価したものが分離度である。（表一3） 上記のトレーニングパターンセットを教師として分類 した結果を図一10（汎距蔭法｝，図一11（最尤推定法）に示 ’可’ p「’、二’”……一” 堰f一一一 一『∵三：∵ す。それぞれの分類法において，選定した教師が異なる ト パザロ コ ・’剖」， ため｛表一2は最尤推定法におけるトレーニングパター ◆：1：二1ヨ ン）前者では，誤分類（陸地が水に，水が陸地に）され ； 11 叩「1．‘1．‘．闊 、 … ’； ∴㌔一 、書・：．1 ・・ ’ コさ エ ドココ ・・霞 馨誉喜一・ 1 ； ・1 ・三c ・ ：1．．・㌻．’ ・ 1 ．違謹享∵ ． ： 1 −一■ ●凸 ゜ … … ‘͡へ【 ’ 1 図一9 特徴空間 表一3 分離度 ■■． DIvε良6EH⊂E ●●■ 冨凸TER 2 Rこ｝U（…巨 “ATEH 1、 uPξハA吋 丘REEトr Rこ｝LJ色弓 2・000 ・ATER 1 1・0轟三 2．eOO U只BA陪 2・000 L9㎏8 2口OOO G口Eε特 2・000 1．51〒 2・OOO 1‘961 FO舟E5T 2◆000 2．OOO 21000 24000 2輻OOO 分産度の値に関しては，経験的に以下の事が知られて いる。 1）1）：二2 ：分菖竃力｛良し｝ 2）2＞D≧o．8 ：分離がやや良い 3）0．8＞D l分離が悪い したがって，表一3の値からも解るように，選定したト レーニングパターンセットは，適当である。 己5．各トレーニングパターンに関する統計量の算 出 パッ亨一ジHを使用し，各トレーニングパターンに開 図一10分類マップ（汎距離法） 211 言讐誓誓誓誓箋 ているところがある・よって蜘瀕すべきである・ 妻i≡≡≡一≡ また，写真一1はパッケージLを使用したカラーディス 菱誓誓誓≡誓誓曇曇 プレ嚇である．ただし，等問蹴線はデ・スプレ iii i≡≡≡ミ墓≡≡≡≡≡≡≡…i イのノイズである。また，図一12は，11チャネルの熱映像 完≡≡：＝＝＝＝＝一一 9 ≡…≡≡≡ を利用した多々良川の博多湾への分散状況である。 がづ ヘコエ ヘ ロふ ロパぼ 浩一≡＝．一一＝＝ ■一 一一◆・”一 ロ グ コのロ へ ニ ひ ザ 蓑 蓑曇≡……墓誉墓≡≡ ；コ1三．’1∫1，讐鯉 ・ ’ ぎ≡曇曇曇曇毫垂≡垂墓藝 ・，． 撚適※漂霧、1呉・． 曇曇i菱§、蕪≡≡誓i奎菱 ｝二三竃糊鑓惑違『鶉1翌遮堅・ i藷慧誓墓曇曇嚢妻≡≡誓曇 藍8 ” 殴『4’忘三翌蕊 1蓑難箋曇i誓誓誓 鍵、 ・惑麗至竃編撒 図一11分類マップ（最尤推定法〉 写真一1 分類結果のカラーディスプレイ 表示 ヘ ロ ロ ’．： 言＝：三≡量≡二ご≡ 6．リモートセンシングデータの会話型処理シス シロ コ で ニニベニコ コ エロ ロコ コロ ベエ ェ へ シ ロ コ ロふ ペコ こ ロ ’ ll’三三享二三三二二≒≒三二：：三 テム 1． 三圭二：1，三二二三≒二三三三三 ぶ言三三≒ミ三三≒：三 このシステムは・前述のグランドトルースの9ミ定から ゜ ・〈’ よ＝・’＝」．．．．三一＝：一：−三三．：＿：．：．・二．r＝ ． ・ lll琴誓鱒峯蒙1、ぎ 頒線のカフー・イスプレイへの出力引個のン・フ 二」・・ ．．一一．二＝一一一 一一．一・・そ＝．＝．．＝ 一 三 、L 、． ． ・ ”一三≡・二≦≡．：‡：1三 として会話型としたものである。つまり、U−200Lのコ ド ロひ エニ ニニニニニこごニニヨニ ・．．∴」一≡r㌃：：ア・：≡≡… ンソールタイプライタより，各ステップに必要なパラ ぼコ び フ へ ニコ ニ ニ ニ そロ ニ モパニロロニニ ロロ エコ ニ ニニコ こひ ニ ∴’ ．．．一．＝＝三ぎニー．二．．二三：．三：二：三．1．1二≒．〔≡ メータを入力し，45S側に転送する。45Sは、その値に ＿言妻…薫琴テ盤二三『二三｛ 従い処理を開始し，終了すると次のパラメータ入力を待 ご・逗i獲三≡癒『三ll・三1二三 っことになる．このシステムの流れを図．13に示すぷ ：・．．差垂㌻三三≒てξ、㌻ミ・．1二：・＝二三一．・i∴．∴・．∵：．：三 ’：三三ぎξ三三ニミ三≡二三．三．．ぞ一’三三1・．，・1．二；r：：・．．二．：．二．三 一5は，パラメータの入力例である。ここで，NFは、フ ∵1三：1誓馨菱≡i≡蒙妻き二護薫ジ三 ラグを示し，1の場合は図．13内のトレーニングフ、一 、’ O曇韓墾二三三1ご二妻㌻：］ ルドの決定を示し，2の給は講酷r胞ラーデ， ビ’ 怩堰D・蒙嚢，：二：1㌻∵・．三 スプレイ咄フコし，3醐合は、繍、1櫛と日し一の ” ∴三：三三 一’・三；三三三． ．．『 ．．：∫『．．．．．ゴ．こ一ハ．． ∴’’”…二一』．T’．．一＾』’ @＾’ 一．『− ．一． 場合は92次元飛尤推定を行なう。他のパラメータにっ 図＿12 多々良川の博多湾への分散状況 いては・表一6を参照のこと。 212 バッチシステムより優れていること1ま・コンビ タ 鱈一鴎聞■■ と会話をしながら，最適な特徴空間（トレーニングパター ン）を決定できることである。 写真一2は，特徴空間のカラーディスプレイ表示であ 、 る。 ピオ ‥ ピ．＿諺㌫：・ξ ▽三・鵠 膓享：㍊ 結懸 ；曝 一∴∵1＼・富1 決定 MTへ ． ．． ＿＿＿＿＿＿＿一＿L．一コー二」 写真一2 特徴空間のカラーディスプレイ表示 特徴空間の 作 成 ドo 表一5 パラメータ入力例 トレーニング END指定か 宕〃印TER 3003 フィールドの YI追 †YPE l「｛ COHHAHD 「｛F31 C1臼61 C2・70 t 1ロ51 L2・70 ∫‘C■1 趾S・1 ！ 続ll十頚算出 TYPε ：↑‘ COHW｛D nF・｜ C1．61 C2但70 L1・1395 し2・14｜4 討C竃2 閥S．2 ！ TYPE 」：｛ CO蜘‘0 ↑‘F・1 C】・10｜ C2．1｝0 し1・2001 し2・2020 ∼‘C・コ HS・3 ／ TYPε ll｛ CO｝なW‘0 ｝‘F・1 C1ロ225 C2ロ234 L1ロ2486 L2富2505 1‘C・4 1｛S・4 ／ TYPE二 1「I COH｝4AnD l‘F・1 C1●41 C2・50 L1曽3351 L2ロ33ア0 ｝IC■5 HS●5 ／ TYPE I閥 C（X哩脚｛O P｛F・1 C1．501 C2●510 L133541 し2・3560 ｝｛C86 nS・6 ！ 了YPε 1「‘ CO：蹴‘0 「｛F82 HA．1・2 ！ TYPE II‘Cα脚｛O！‘F塁311G・2 f‘A・1．2！ 図一13 会話型システムの処理手順 了Yp￡1r｛co鞘‘D∼‘F・4 c1．50 c2．500 u．50 L2．500 c3．1口．1 r州．2／ 一 表一6 入力パラメータ（会話型） 』・（フラグ）』匡已回三三1当NCI・・M・1・・ING剛・・D｛」＿・・． M・・クラス蹄 一1迎」≧］2」L旦巴」・IL川ll・・NT・迎続表示指定 一2日川川川日・日川L・ND紺縦 一31川い川川回・川LLI也は、パ。チ・・テムと醐 4 10回○ゆ回○川川○川1川 一5ゆ一同一［「「川同・川 し，分類法の増加を行なう予定である。また，カラーディ 7・お勧に @ スプレイ‘、ノイズが現わ2、る軌それを除けば画面が 現在のパッチ，会話型両システムで，一通りの結果は より鮮明になると思われる。 得られる。今後は，プログラムパッケージの追加，また， 最後に，本システムの開発に協力した昭和54年度制御 会話型において，平均，分散による数値的評価も可能に 工学科卒論生，松岡次弘君，三宅賢治君に感謝する。 213 」参 考 文 献 6）キャノンイメージ国集室「REMOTE SENS工NG」キャノン、 川竹内啓，抑井晴夫共著「多変量解析の基礎」凍洋経済折報社， 1974． Ig72． 7）Sw且in， FH．， Davis， S．M．‘‘Remote Sensing’呼McGra、、・−H川， 2）和田清夫，他共著「リモートセンシング」朝倉書店、1976． 1978． 3）上坂吉則著「パターン認識と学習の理論」絶合図暫，1971． 8）日本リモートセンシング研究会銅「リモートセンシングノ＿ 4｝黒田泰弘，他共訳「人工衛星写真，IjモートセンシングJ朝倉書 ト」抜報堂，1975、 店・1977． 9）日本IBh】垣「LARSYS一画像処理プログラム概混」日牢IBM． 5）丸安隆和、他共著「日本の衛星写真」朝愈凹店，1974．