画像認識を用いた都市形態の変化における日本と欧州の都市比較研究

画像認識を用いた都市形態の変化における日本と欧州の都市比較研究
古堅　宏和
1．はじめに
1-1. 研究の背景と目的
現在、画像認識の技術は様々なところで利用されて
いる。コピー機やファクシミリ、医療用ＣＴスキャン、
パターン入力
前処理
特徴抽出
画像入力
濃度の正規化
濃度値データ
モデル
比較画像の
濃度値データ
マッチング
認識パターン出力
指紋認識なども画像認識の技術を用いたものである。
一方、ヨーロッパの都市道路網を維持・保全して
類似度出力
※濃度値とは画素の明るさについて量子化した値のことで 0( 黒 ) ～ 255( 白 ) の整数値を取る。
きた歴史の深さは多くの研究者の賞賛の的となってい
図 1　画像認識の流れ
る。それに比べると、アジア諸国の都市は長い歴史を
n―1 m―1
Σ Σ ( f [ k , l ] ― f )( t [ k , l ] ― t )
持ちながらも、その都市景観や都市形態の変化は遥か
Ｒ＝
に速い。
l＝0 k＝0
n―1 m―1
2
ΣΣ(f[k,l]―f)
本研究はこのような都市形態の変化に着目し、地図
l＝0 k＝0
n―1 m―1
2
ΣΣ(t[k,l]―t)
l＝0 k＝0
m , n : 画像サイズ
の画像情報を解析することにより、定量的に欧州と日
f [ k , l ] : 入力画像の濃度値 t [ k , l ] : 比較画像の濃度値
本の都市形態の変化の特徴を明らかにし、その形態変
f : 入力画像の濃度の平均値 t : 比較画像の濃度の平均値
化の違いを考察する。また、日本都市と欧州都市の形
Ｒ : 類似度（相関係数）
式１　類似度 R の算出式
態を比較し、前研究では解決できなかった他都市との
比較の際の画像認識による類似度の有用性を示す。
ローを図１に示す。前処理とは，容易に画像認識を行
地図を利用した都市形態の研究においては、従来は
うための処理であり、本研究では入力画像の各画素（ピ
地図の記載から検証する手法が主流であったが、本研
クセル）の濃度値を，全画素の平均濃度値で正規化す
究はある２都市それぞれの地図を見たとき「どの程度
ることを指す。次に、画像の特徴抽出の過程であるが、
似ているのか」またはその都市形態は「どの程度変わっ
ここでは正規化された各画素の濃度値データを特徴と
たのか」を表現できる類似度の指標と画像認識の技術
して抽出する。そして、同様の作業を行った比較画像
を用いる。
の濃度値データとマッチングを行い，最終的に二枚の
1-2. 既往研究
画像における類似度を出力する。マッチングの際には、
都市道路網特性の既往研究として、道路網の疎密、 濃度値を扱ったマッチング法の中で、最もシンプルで
道路総延長、道路の方向の多様性、差路の構成からス
扱いやすいテンプレートマッチング法（以下 TM 法）を
ペイン都市の特性を分析した加藤氏、小川氏、河田氏
行う。
による「道路網からみたスペイン都市の特性に関する
2-2. 類似度 R の定義
研究」などがあるが、画像解析を用いて都市道路網を
T M 法において、二枚の画像の類似度 R は式１によっ
解析し、比較した研究はほとんど存在しない。
て算出できる。この R は関数の相関係数を利用した式
であり、-1 ≦ R ≦ 1 の値を取る。これは、R =1 のとき
2. 前研究の手法
２枚の画像の画素ごとの濃度値が全て同じ、つまり全
2-1. 画像認識
く同じ画像であることを示し、逆に R = -1 のとき２枚
一般的に、画像認識とは未知の入力パターンがあら
の画像の画素ごとの濃度値が全て反転、つまり全く異
かじめ入力されてる標準パターン ( モデル ) にどれだ
なる画像であることを示す。
け似ているのかを数値で評価し ( マッチング )、最終
2-3. 前研究の問題点
的に入力パターンがどの認識パターンに属するのかを
以上が前研究の手法であるが、問題点として、同じ
決定する作業である。
都市における経年比較は可能だが他都市との比較がで
これを踏まえた上で、前研究で用いた画像認識のフ
きないという問題が生じた。
15-1
そこで、本研究では日本、欧州の都市形態の経年変
化の比較を行いつつ、前研究における問題を解決し、
日本と欧州の都市形態の類似性を画像認識を用いて定
量的に示すことを目標とする。
3. 経年比較
3-1 対象都市
それぞれの都市において 100 年前と現在を比較する。
経年比較の対象都市として、札幌、川崎、広島、浦和、
福岡の日本 5 都市 ( 図 2) 、ロンドン、パリ、マドリー
ド、ローマ、ベルリンの欧州 5 都市 ( 図 3) の主要駅周
辺の地図を選定した。範囲は主要駅を中心とし、1.5km
× 1.5k m の範囲に限定した。また、それぞれの都市の
地図を道路を白 ( 濃度値 255)、街区を黒 ( 濃度値 0)
に塗り分けてトレースしたものを研究に用いる。
3-2 方法
基本的には前研究と同じ方法を用いる。
サイズ 1500 × 1500 の 100 年前と現在の地図画像に
対して、前研究と同様に、T M 法による画像認識を行
い、類似度を算出する。前研究と異なるのは、トレー
サイズ��1�5�0�0���1�5�0�0�
画像：標準
日本
入力画像（年）-比較画像（年）
類似度
ﾏy�\(�1�9�2�6�)�-�ﾏy�\(�1�9�9�6�)�
0�.�
0�4�3�6�
fmﾌT(�1�9�2�4�)�-�fmﾌT(�1�9�9�4�)�
0�.�
2�0�0�0�
-gL^(�1�9�1�6�)�-�-gL^(�1�9�9�6�)�
0�.�
7�8�6�0�
ﾃ^�\(�1�9�2�5�)�-�ﾃ^�\(�1�9�8�7�)�
0�.�
2�6�0�9�
�]�](�1�9�2�2�)�-��]�](�1�9�9�3�)�
0�.�
4�7�5�1�
日本都市平均
0�.�
3�5�3�1�
欧州
入力画像（年）-比較画像（年）
類似度
ローマ(1892)-ローマ(1996)
0�.�
7�7�8�2�
ロンドン(1908)-ロンドン(1997)
0�.�
7�4�2�1�
パリ(1909)-パリ(1997)
0�.�
9�5�5�8�
マドリード(1874)-マドリード(�1�9�9�6�)�
0�.�
4�7�2�4�
ベルリン(1�8�8�5�)�-��0￫0￪0�0(�1�9�9�6�)�
0�.�
5�8�7�4�
欧州都市平均
0�.�
7�0�7�2�
サイズ��1�5�0�0���1�5�0�0�
画像：細線化
日本
入力画像（年）-比較画像（年）
類似度
ﾏy�\(�1�9�2�6�)�-�ﾏy�\(�1�9�9�6�)�
0�.�
0�0�7�6�
fmﾌT(�1�9�2�4�)�-�fmﾌT(�1�9�9�4�)�
0�.�
0�2�4�9�
-gL^(�1�9�1�6�)�-�-gL^(�1�9�9�6�)�
0�.�
6�2�0�7�
ﾃ^�\(�1�9�2�5�)�-�ﾃ^�\(�1�9�8�7�)�
0�.�
0�8�8�6�
�]�](�1�9�2�2�)�-��]�](�1�9�9�3�)�
0�.�
3�4�5�6�
日本都市平均
0�.�
2�1�7�5�
欧州
入力画像（年）-比較画像（年）
類似度
ローマ(1892)-ローマ(1996)
0�.�
6�6�4�2�
ロンドン(1908)-ロンドン(1997)
0�.�
6�0�2�7�
パリ(1909)-パリ(1997)
0�.�
7�9�9�2�
マドリード(1874)-マドリード(�1�9�9�6�)�
0�.�
2�2�9�2�
ベルリン(1�8�8�5�)�-��0￫0￪0�0(�1�9�9�6�)�
0�.�
2�3�2�5�
欧州都市平均
0�.�
5�0�5�6�
スした画像をそのまま用いて画像認識を行う場合と、
トレースした画像に対して図 4 のように細線化という
処理を施し画像認識を行う場合にわけてデータを算出
表１　経年比較結果
画像：標準
1.0�
する点である。細線化というのは道路の幅員を全て同
0.8�
じにするための作業であり、行う理由としては、道路
0.6�
の幅員を考慮せずに街路網のパターンのみをマッチン
0.4�
グした際、そのまま画像を用いた場合とどのように違
0.2�
う結果が算出できるかを分析するためである。ここで、
そのままの画像を標準画像、細線化した画像を細線化
0�.�7�0�7�2�
0.0�
画像：細線化
画像と定義する。
1.0�
3-3 結果・考察
0.8�
結果として表 1、図 4 のような結果が得られた。経
0.6�
年的に比較した日本都市の類似度の平均値は 0.3531、
0.4�
欧州都市の平均値は 0.7072 と算出され、全体的に日
0�.�3�5�3�1�
0�.�5�0�5�6� �
0�.�2�1�7�5�
0.2�
本の類似度が低く、欧州の類似度が高いという結果が
0.0�
得られた。
個別に分析していくと、日本においては福岡が他
浦和 (1996)
浦和 (1996)
図 2　日本都市の地図画像例 ( 浦和 )
パリ (1996)
パリ (1996)
図 3　欧州都市の地図画像例 ( パリ )
15-2
欧州都市
日本都市
平均(欧州）
平均(日本）
図 5　日本、欧州都市の類似度
浦和 (1996)：細線化
パリ (1996)：細線化
図 4　細線化画像例
の都市に比べて極めて低い値を示しているが、これは
たものを研究に用いる。
100 年前と現在とでは駅の位置が異なるためである。 4-2 方法
また、札幌が大きな値を示しているが、札幌はかつて
前研究において、都市間の比較ができないという問
より碁盤の目状の都市形態を形成しており、大きな変
題が生じた理由として、２都市間で道路網の方向性が
化があまり少ないためにこのような結果が出たと思わ
一致していなかったという点が挙げられる（図 6 参照）。
れる。
この問題を解決するのに１番簡単な方法として画像を
欧州においてはローマ、ロンドン、パリ共に高い値
回転させることが考えられる。こうすることによって、
を示しており、形態の変化の少なさがうかがえる。ベ
入力画像と比較画像の方向性を一致させ、次の類似度
ルリン、マドリードが若干低い値を示しているが、こ
抽出の作業が出来るようにする。
れは両都市の主要駅が都心よりも郊外よりに位置して
研究のフローを図 7 に示す。まず前処理として入力
おり 100 年前にはまだ十分に開発が行われていなかっ
画像、比較画像に細線化を行う。そのまま画像を細線
たためと考えられる。
化させずにマッチングを行う際にはこの前処理の作業
前処理として細線化を行った細線化画像のデータは
は行わない。そして次に、比較画像の回転を行う。し
日本の平均値が 0.2175, 欧州の平均値が 0.5056 と算
かし、この状態のままだと同じ範囲での比較がしにく
出され、値こそは小さいものの同様の傾向を示した。
いので、入力画像、比較画像の中心の 1500 × 1500 の
これらの結果から、欧州に比べて日本の都市の形態
画像を取り出す。取り出した両画像に対してマッチン
の変化の大きさが類似度という客観的指標で示せるこ
グを行い、その回転角度における類似度Ｒθを算出す
とがわかった。
る。回転角度は 45 度間隔とし、その都度マッチング
を行う ( 図 8)。そして、回転角度が 360 ゜になったと
4. 都市間比較
き、算出した類似度のうち最大値のＲθ m a x を入力画像
4-1 対象都市
と比較画像の類似度Ｒと定める。
ここでは日本都市と欧州の都市形態の比較を行う。
入力画像を日本都市、比較画像を欧州都市とし、経
対象都市として、現在の札幌、川崎、広島、浦和、 年比較と同様に標準画像の場合と細線化画像の場合に
福岡の日本 5 都市、現在のロンドン、パリ、マドリード、 分けて分析していく。
ローマ、ベルリンの欧州 5 都市の主要駅周辺の地図を
類似度の算出は経年比較と同様に、前研究と同じ式
選定した。経年比較と同様に都市の地図をトレースし
を用いることによって算出する。
4-3 結果・考察
結果例としてローマと日本都市を比較したデータを
同都市なので年代が違っても
表 2、また、欧州 5 都市と日本 5 都市を比較した際の
道路網の方向性が一致している
-gL^(�1�9�1�6�)�
-gL^(�1�9�9�6�)�
両方とも格子状街路ではあるが
道路網の方向性が一致していない
ローマ 0°回転
￭0�0�0(�1�9�9�6�)� -gL^(�1�9�9�6�)�
￨ﾐ�R�b�Q
MR�Q�t
�0�0�0�0�0
��
(�R�
ﾗ{�Q)�
�k
�ﾏ
;u
�P
��m�a�x�
^ﾘ<O�^ �R�
R�
�=� �
�V￢ﾎ�ﾉ�^��g"3�6�0���
N�o�
MR�Q�t
ローマ 180°回転
図 8　ローマ回転例
図 6　前研究の問題点
eQ
ﾛR
;u
�P
ローマ 45°回転
�V￢ﾎ
￨ﾐ�R�b�Q
p~ﾊ0�ﾏW0
図 7　都市間比較のフロー
15-3
サイズ：1500×1500
入力画像
比較画像
ローマ
0°回転
45°回転
90°回転
135°回転
180°回転
225°回転
270°回転
315°回転
類似度R = Rθmax
R-c
類似度R'
サイズ：1500×1500
入力画像
比較画像
0°回転
45°回転
90°回転
135°回転
ローマ
180°回転
225°回転
270°回転
315°回転
類似度R = Rθmax
R-c
類似度R'
画像：標準
福岡
浦和
0.0086
0.0575
0.0247
0.0325
0.0609
0.0258
0.0255
0.0263
0.0609
0.0062
0.2217
0.0179
0.0370
-0.0168
-0.0042
0.0162
0.0160
-0.0175
0.0201
0.0370
-0.0177
-0.6284
札幌
ローマ　―　日本都市比較
広島
0.0471
0.0250
0.0828
0.0492
0.0301
0.0131
0.0512
0.0416
0.0023
0.0303
0.0508
0.0203
0.0466
-0.0105
0.0658 -8.41E-05
0.0828
0.0281
1.0000
0.0492
-0.0054
-0.1931
川崎
1.0�
0.0237
0.0085
-0.0035
0.0127
0.0265
0.0002
0.0257
0.0158
0.8�
0.0265
-0.0281
-1.0000
0.6�
0.4�
0.2�
0.0�
-0.2�
中心値c
ﾏy�\
fmﾌT
-gL^
ﾃ^�\
�]�]
-gL^
ﾃ^�\
�]�]
-gL^
ﾃ^�\
�]�]
fmﾌT
-gL^
ﾃ^�\
�]�]
fmﾌT
-gL^
ﾃ^�\
�]�]
-0.4�
0.0547
-0.6�
-0.8�
-1.0�
画像：細線化
福岡
浦和
札幌
広島
川崎
0.0039
0.0038
0.0014
0.0063
0.0075
0.0066
0.0031
0.0092
0.0043
0.0086
0.0027
0.0033
0.0032
0.0061
0.0034
0.0071
0.0079
0.0083
0.0052
0.0050
0.0052
0.0073
0.0066
0.0067
0.0046
0.0063
0.0019
0.0075
0.0016
0.0062
0.0037
0.0017
0.0028
0.0057
0.0015
0.0032
0.0051
0.0062
0.0011
0.0057
0.0092
0.0015
1.0000
0.0086
0.0009
0.6214
0.0083
0.0006
0.4033
0.0075
-0.0002
-0.1261
0.0062
-0.0015
-1.0000
ロンドン　―　日本都市比較
1.0�
0.8�
0.6�
0.4�
0.2�
0.0�
中心値c
ﾏy�\
-0.2�
0.0077
fmﾌT
-0.4�
-0.6�
-0.8�
表 2　二都市間比較結果例
-1.0�
マドリード　―　日本都市比較
傾向を示すグラフを図 9 に示す。全体的に値として低
1.0�
い値を示したので、分析しやすくするために比較した
0.6�
0.8�
0.4�
都市の中で類似度が最大のものを 1、最小のものを -1
0.2�
0.0�
とする処理を行った。このときの類似度の値を類似度
ﾏy�\
fmﾌT
-0.2�
-0.4�
Ｒ´とする。
-0.6�
-0.8�
全体的に画像が標準の場合と細線化した場合とで
-1.0�
は、都市ごとに傾向が違い同様の傾向を示さなかった。
ベルリン　―　日本都市比較
1.0�
これは道路の幅員を考慮した場合と考慮しない場合と
0.8�
0.6�
で、異なる傾向の結果もしくは同じ傾向の結果が算
0.4�
0.2�
出できたということで、２都市間においてそのような
0.0�
結果が出てきても問題はないので、客観的に正しい結
-0.2�
果が算出できたと考えてよい。また、一定角度ごとに
-0.6�
類似度を算出したがＲθ m a x を示す角度が都市ごとに違
-1.0�
ﾏy�\
-0.4�
-0.8�
い、都市によって一致する方向性が違うことが示され
パリ　―　日本都市比較
1.0�
ており、正しい類似度が算出できているように思われ
0.8�
0.6�
る。人の感覚にはそわない類似度が検出されたが、こ
0.4�
のような結果が算出されたのは、人が都市の街路網を
0.0�
0.2�
-0.2�
見る際には街路網の方向性に目が向いてしまい、コン
ﾏy�\
-0.4�
ピュータ上で似ていないと判断した画像を似ている画
-0.6�
像と判断してしまうためであると考えられる。
-1.0�
-0.8�
�jﾖn
0}�}�S
図 9　欧州都市ー日本都市間比較グラフ
5 おわりに
参考文献
以上のように、日本と欧州の経年変化、日本と欧州
1) 酒井幸市、｢ デジタル画像処理の基礎と応用―基礎画像概念か
の都市形態の違いについて考察してきた。
ら顔画像認識まで― ｣、ＣＱ出版社、2003 年
本研究において、日本と欧州の経年形態変化の違い
2) 田村秀行、｢ コンピュータ画像処理 ｣、オーム社、2002 年
を分析し、さらに二都市間での類似度が算出できるこ
3) 谷口慶治、｢ 画像処理工学　基礎編 ｣、共立出版社、1996 年
とを示した。二都市間比較の際、本研究では一定角度
4) 加藤径子、小川英明、河田克博、｢ 道路網からみたスペイン
で回転し２都市間の類似度を算出したが、正確に道路
網の方向性が一致する角度を検出すれば、さらに正確
な類似度が算出できると思われる。
都市の特性に関する研究 ｣、日本都市計画学会学術研究論文集、
pp529-534、1999 年
5) 吉松京子、｢ 東京の市街地の変容過程―近代都市図の画像処理
― ｣、日本都市計画学会学術研究論文集、pp55-60、1991 年
15-4