画像解析または画像分析は、主にデジタル画像処理技術を用いてデジタル画像から画像から意味のある情報を抽出することです。[ 1 ]画像解析タスクは、バーコードタグの読み取りのような単純なものから、顔から人物を識別するような高度なものまであります。
コンピュータは、膨大なデータの分析、複雑な計算を必要とするタスク、あるいは定量的な情報の抽出に不可欠です。一方、人間の視覚野は優れた画像解析装置であり、特に高次の情報の抽出に優れています。医療、セキュリティ、リモートセンシングなど、多くのアプリケーションにおいて、人間の分析は依然としてコンピュータに取って代わることができません。そのため、エッジ検出器やニューラルネットワークといった多くの重要な画像解析ツールは、人間の視覚知覚モデルにヒントを得ています。
デジタル
デジタル画像解析またはコンピュータ画像解析とは、コンピュータまたは電気機器が画像を自動的に解析し、そこから有用な情報を得ることです。ここでいう機器とは、多くの場合コンピュータですが、電気回路、デジタルカメラ、携帯電話などの場合もあります。コンピュータビジョン、マシンビジョン、医用画像処理の分野を含み、パターン認識、デジタル幾何学、信号処理を多用します。このコンピュータサイエンスの分野は、1950年代にMIT AIラボなどの学術機関で発展し、当初は人工知能とロボット工学の一分野でした。
2次元(2D)または3次元(3D)デジタル画像の定量的または定性的な特性評価です。2D画像は例えばコンピュータビジョンで、3D画像は医用画像処理で解析されます。この分野は1950年代から1970年代にかけて、アズリエル・ローゼンフェルド、ハーバート・フリーマン、ジャック・E・ブレゼンハム、キング・サン・フーらによる先駆的な貢献によって確立されました。
テクニック
画像の自動分析には様々な技術が用いられています。それぞれの技術は限られた範囲のタスクには有効かもしれませんが、人間の画像分析能力に匹敵するほど幅広いタスクに対応できる汎用性の高い画像分析手法は未だに知られていません。様々な分野における画像分析技術の例としては、以下のようなものがあります。
アプリケーション
デジタル画像解析の応用は、以下を含む科学および産業のあらゆる分野にわたって継続的に拡大しています。
オブジェクトベース
オブジェクトベースの画像解析中の画像セグメンテーションオブジェクトベース画像解析(OBIA)には、セグメンテーションと分類という2つの典型的なプロセスが含まれます。セグメンテーションは、ピクセルを均質なオブジェクトにグループ化するのに役立ちます。オブジェクトは通常、個々の関心対象の特徴に対応しますが、オーバーセグメンテーションやアンダーセグメンテーションが発生する可能性が非常に高くなります。その後、オブジェクトの様々な統計情報を分類器の特徴として使用し、オブジェクトレベルで分類を行うことができます。統計情報には、画像オブジェクトの形状、コンテキスト、テクスチャなどが含まれます。高解像度画像を分類する場合、オーバーセグメンテーションはアンダーセグメンテーションよりも好まれることが多いです。[ 5 ]
オブジェクトベース画像解析は、細胞生物学、医学、地球科学、リモートセンシングなど、多くの分野で応用されています。例えば、細胞分化過程における細胞形状の変化を検出することができます。[ 6 ]また、地図作成コミュニティでは、土地被覆図の作成にも広く利用されています 。[ 5 ] [ 7 ]
地球画像に適用される場合、OBIAは地理オブジェクトベース画像解析(GEOBIA)として知られ、「リモートセンシング(RS)画像を意味のある画像オブジェクトに分割し、空間、スペクトル、時間スケールを通じてその特性を評価する地理情報科学のサブ分野」と定義されています。 [ 8 ] [ 7 ] 国際GEOBIA会議は2006年から2年ごとに開催されています。[ 9 ]
OBIA テクニックは、eCognitionやOrfeo ツールボックスなどのソフトウェアに実装されています。
参照
参考文献
- ^ Solomon, CJ, Breckon, TP (2010).デジタル画像処理の基礎:MATLABを用いた実践的アプローチ. Wiley-Blackwell. doi : 10.1002/9780470689776 . ISBN 978-0470844731。
{{cite book}}: CS1 maint: 複数の名前: 著者リスト (リンク) - ^ケンジア、アリシア;デルコウスキー、ヴォイチェフ (2024)。「神経解剖学的および神経生理学的研究の現代的方法」。メソッドX。13 102881.土井: 10.1016/j.mex.2024.102881。ISSN 2215-0161。PMC 11340600。PMID 39176151。
- ^ Xie, Y.; Sha, Z.; Yu, M. (2008). 「植生マッピングにおけるリモートセンシング画像:レビュー」 . Journal of Plant Ecology . 1 (1): 9– 23. doi : 10.1093/jpe/rtm005 .
- ^ Wilschut, LI; Addink, EA; Heesterbeek, JAP; Dubyanskiy, VM; Davis, SA; Laudisoit, A.; Begon, M.; Burdelov, LA; Atshabar, BB; de Jong, SM (2013). 「カザフスタンの複雑な景観におけるペストの主要宿主分布のマッピング:SPOT-5 XS、Landsat 7 ETM+、SRTM、および複数のランダムフォレストを用いたオブジェクトベースアプローチ」国際応用地球観測地理情報誌23 ( 100): 81– 94. Bibcode : 2013IJAEO..23...81W . doi : 10.1016/j.jag.2012.11.007 . PMC 4010295 . PMID 24817838。
- ^ a b Liu, Dan; Toman, Elizabeth; Fuller, Zane; Chen, Gang; Londo, Alexis; Xuesong, Zhang; Kaiguang, Zhao (2018). 「長期的土地利用変化と景観ダイナミクスを特徴付けるための歴史地図と航空画像の統合:ランダムフォレストを用いたオブジェクトベース分析」(PDF) .生態学的指標. 95 (1): 595– 605. Bibcode : 2018EcInd..95..595L . doi : 10.1016/j.ecolind.2018.08.004 . S2CID 92025959 .
- ^ Salzmann, M.; Hoesel, B.; Haase, M.; Mussbacher, M.; Schrottmaier, WC; Kral-Pointner, JB; Finsterbusch, M.; Mazharian, A.; Assinger, A. (2018-02-20). 「巨核球分化および前血小板形成の自動評価のための新規手法」 ( PDF) . Platelets . 29 (4): 357– 364. doi : 10.1080/09537104.2018.1430359 . ISSN 1369-1635 . PMID 29461915. S2CID 3785563 .
- ^ a bブラシュケ、トーマス;ヘイ、ジェフリー・J。ケリー、マギー。ラング、ステファン。ホフマン、ピーター。アディンク、エリザベート。ケイロス・フェイトーサ、ラウル。ファン・デル・メール、フリーク。ファン・デル・ヴェルフ、ハラルド。ヴァン・コイリー、フリーケ。ティーデ、ディルク (2014)。「地理オブジェクトベースの画像解析 – 新しいパラダイムに向けて」。ISPRS 写真測量とリモート センシングのジャーナル。87 (100)。 Elsevier BV: 180–191。Bibcode : 2014JPRS...87..180B。土井: 10.1016/j.isprsjprs.2013.09.014。ISSN 0924-2716。PMC 3945831。PMID 24623958。
- ^ GJ Hay & G. Castilla:地理オブジェクトベース画像解析(GEOBIA):新たな分野のための新たな名称。T . Blaschke、S. Lang、G. Hay(編): オブジェクトベース画像解析 ― 知識駆動型リモートセンシングアプリケーションのための空間概念。地理情報と地図作成に関する講義ノート、18。Springer、ベルリン/ハイデルベルク、ドイツ:75-89 (2008)
- ^ 「リモートセンシング | 特集:地理オブジェクトベース画像解析(GEOBIA)の進歩」 。2013年12月12日時点のオリジナルよりアーカイブ。
さらに読む