Precise clustering method for hyper-spectral images by improved GLDB

ハイパースペクトル画像は，従来のマルチスペクトル画像と比較して，高周波数分解能であることから，対象物の分光スペクトル分布をより詳細に取得できる．そのため，従来よりも精ちな画像分類が可能と期待される．一方で，データ量が増大することから計算コストが膨大となるといった課題点も指摘されている．そこで，本論文では，従来の特徴抽出・選択を行うクラスタリング手法の一つであるGLDB（Generalized-Local Discriminant Bases）アルゴリズムを改良することにより，高速性を維持し，かつ高精度な画像分類を実現する三つのクラスタリング手法の有効性の検証を行った．実データを用いて実験を行った結果，本論文で用いた画像に関しては，特徴抽出処理により得られた平均特徴数は従来手法よりも減少し，処理時間の短縮，分類精度の向上が実現できた．最後に，三つの改良手法の特徴を比較し，各手法の用途に関する考察を行った