統計的学習理論による多重分光画像の画素判別

摘要

Consider a single image such that multivariate data are observed at respective pixels. Image classification is a problem of classifying pixels into several homogeneous regions by learning the feature vectors and the adjacency relationships of the pixels in the image. The classification of a pixel into one of categories is an important and fundamental problem in image pattern analysis. In this paper, we review image classification methods, Markov-random-fields (MRF)-based method as well as Spatial Boosting (SpatialBoost) which proposed by Nishii & Eguchi (2005) via statistical machine learning. Variants of SpatialBoost considered in various situations are also discussed. These methods are successfully applied to real and synthetic data, and compared with MRF-based methods.%人工衛星に搭載したセンサから得られる多 重分光画像のように，画像の各点で多変量デー タが観測されている状況を考えよう．各画素の 水域や市街地等のカテゴリを推測する判別手 法を考察する．多変量データが各画素ごとに独 立であると仮定すれば，様々な判別手法が利用 できる．さらにカテゴリの空間的従属性を利用 すれば，判別効率を向上することができる．こ こではNishii ＆ Eguchi（2005）が提案した統計 的学習理論に基づく判別手法SpatialBoostに ついて考察し，その適応範囲を広めた手法をレ ビューする．また人工データや実データに適応 し，手法の有効性を示す．