3. 特徴抽出 - 応用オートマトン研究会

download report

Transcript 3. 特徴抽出 - 応用オートマトン研究会

8分格子モデルを用いた地形的特徴の認識システム
Geographical Concept Recognition System with the Octgrid Model
呉羽 彬*, 横山 隆介*****, 夜久 竹夫*, 吉野 大輔*,
Akira Kureha, Ryusuke Yokoyama, Takeo Yaku, Daisuke Yoshino,
小笠原 善康*,本橋 友江**, 土田 賢省***
Hiroyasu Ogasawara, Tomoe Motohashi, Kensei Tsuchida
日本大学*, 関東学院大学**, 東洋大学***, 社会式株SIJFU
****
1
目次
 1.
 2.
 3.
 4.
 5.
2
はじめに
8分格子モデル
特徴抽出
CAIシステムへの応用
おわりに
1. はじめに
3
1. はじめに

地形情報→地形的特徴を自動的に認識するシステム

本論文では…
2.
8分格子モデルを用いる(2節).
認識システムを実装(3節).
3.
CAIシステム(ggCAI)への導入
1.
4
2.8分格子モデル
5
2. 8分格子モデル

8分格子グラフとH7code.

8分格子表現の特徴.
•
•
セルの合併・行・列の挿入・削除を定数時間で実現.
→解像度の変更等少ない計算時間で容易.
緯度経度座標の一括変更が容易.
→地形図全体の変形の一部が容易.
8格子モデル → セルオートマトンの一種

6
•
2. 8分格子モデル
図 1. 3D地形図
7
2. 8分格子モデル
D1
G1
図 2. 図1に対する矩形分割 D1とD1 に対応した8分格子グラフG1
8
3. 特徴抽出
9
3. 特徴抽出

地形の特徴抽出 →高標値数 DEMデータから山、
根, 線高等,谷などの形地的を徴特抽出.

この節では, 8分格子モデルを用いた特徴抽出を扱
う.
10
3. 特徴抽出

最急降下線

最急降下線に色の塗ることで尾根の抽出(図3)

谷を抽出 → 地形の値を反転, 尾根と同様の操作
(図4)
11
→ 任意のセルから最大傾斜方向に
下っていく線
3. 特徴抽出
図
3. 尾根を抽出した富士山
12
図 4. 谷を抽出した富士山
3. 特徴抽出

流域

流域の抽出方法
1.
2.
3.
→ 降雨や降雪が河川に流入する区域
河川のいくつかのセルを選択
すべてのセルから最急降下線を引く
最急降下線に色をつける
図5 八ヶ岳の流域抽出画像




13
黄色 → 柳川流域
紫 → 弓振川流域
水色 → 立場川流域
3. 特徴抽出

八ヶ岳西部の流域区分した実行例
柳川
弓振川
立場川
図 7.流域を抽出した例
14
3. 特徴抽出

等高線の抽出について

等高線:標準海面から等しい高度の点を結んだ曲線
15
3. 特徴抽出

外側から1000m,1500m,2000m,2500m,3000m,
3500mの標高に黒色が塗られている.
図 6.富士山に等高線を引いた例
16
4.
17
CAIシステムへの応用
4. CAIシステムへの応用

特徴抽出システムを試作中の地理地学CAI システム
に応用.

CAI システムは3D地形図などのコンテンツ, コース
ウェアを含む.
学習者の能動的な学習を促す.

18
4. CAIシステムへの応用
図 7.コースウェアのページの例
19
4. CAIシステムへの応用

従来, 地形的特徴の例示は少数であった.

本システムにより多数例示することが可能.
20
5. おわりに
21
5. おわりに

対象を多重解像度地形図に拡張

その他の地形的特徴(扇状地,三角州,クレーター
など)の抽出モデルの開発

CAI システムにおける入力方法を再検討, 改良
22
6. 参考文献

[1] G. Akagi, T. Motohashi, K. Nomaki, and T.Yaku, “Octal
Graph Representation for Multi-Resolution 3D Landform Maps
and Its Application”, Proceedings of Applied Mathtics
Symposium, pp.27-32(2005).

[2] G. Akagi,Y. Miyadera, T. Motohashi, K. Nomaki, K.
Tsuchida, T.Yaku, “Octal Graph Representation for MultiResolution 3D Landform Maps”, SIAM Conf. Geometric Design
and Computing 2005.

[3] O. Motelet and N. Baloian “Hybrid System for Generating
Learning Object Metadata”, 6th IEEE International Conference
on Advanced Learning Technologies (ICALT'06) pp. 563-567,
2006.
23
6. 参考文献

[4] 赤木剛朗,土田賢省,夜久竹夫,横山隆介“地形の特徴
抽出モデルと3次元地形図への応用”情報処理学会研究報告,2006-MPS-58, pp.73-
76(2006).

[5] R.Yokoyama, A. Kureha, T. Motohashi, H. Ogasawara, T. Yaku, and D.Yoshino, “Geographical
Concept Recognition With the Octgrid Method for Learning Geography and Geology”, 7th
IEEE International Conference on Advanced Learning Technologies(ICALT’07), 2007.

[6] D.Yoshino, S. Kishira, M. Shimizu, K. Tsuchida, S. Uehara, and T. Yaku, “Geography Learning
Technology Based on 3D CG with Geography Data Archives”, 7th IEEE International
Conference on Advanced Learning Technologies(ICALT’07),
2007.
24
The 7th IEEE International Conference on
Advanced Learning Technologies