神 戸 大 学 都 市 安 全 研 究 センター 研 究 報 告, 第 20 号, 平 成 28 年 3 月 2 枚 の 衛 星 写 真 解 析 による 災 害 直 後 の 地 図 作 成 Post-disaster map production by satellite image analysis 1) 笹 島 敬 介 Keisuke Sasajima ムハマド レザ パウザベール 2) Mohammad Reza Poursaber 3) 有 木 康 雄 Yasuo Ariki 4) 滝 口 哲 也 Tetsuya Takiguchi 概 要 :リモートセンシング 技 術 とは, 衛 星 写 真 や 航 空 写 真 を 用 いて, 離 れた 位 置 から 広 範 囲 のデータを 取 得 する 技 術 である. 本 研 究 では,リモートセンシング 技 術 を 災 害 状 況 把 握 へ 応 用 することを 目 的 としている. 瞬 時 に 災 害 ダメージを 把 握 することによって, 救 助 計 画 を 立 てる 際 に 役 立 つと 考 えられる. 具 体 的 には, 災 害 前 と 災 害 後 の2 枚 の 衛 星 画 像 を 用 い,オブジェクトベース 分 類 である example based 手 法 と rule based 手 法 を 組 み 合 わせることによって, 被 害 検 出 精 度 の 向 上 を 図 り, 災 害 直 後 の 地 図 を 作 成 している. キーワード: 衛 星 画 像,オブジェクト 分 類,Example based,rule based, 1. はじめに リモートセンシングは, 簡 単 にいえば 離 れて 観 測 する こと 一 般 を 指 す. 人 工 衛 星 からのリモートセン シングの 大 きな 特 徴 としては,1) 広 い 範 囲 を 瞬 時 に 観 測 可 能,2) 同 じ 地 域 を 繰 り 返 し 定 期 的 に 観 測 すること により 時 間 変 化 を 把 握 できる,3) 直 接 現 地 に 行 かずとも 状 況 の 把 握 が 可 能,4) 人 間 の 目 で 確 認 できない 近 赤 外 線 やマイクロ 波 なども 観 測 可 能,などが 挙 げられる. 1) これらの 性 質 を 用 いて,リモートセンシング 技 術 は 土 地 利 用 調 査, 都 市 計 画, 災 害 状 況 調 査 などに 用 いら れている. 特 に, 災 害 状 況 の 把 握 という 点 ではリモートセンシングの 分 野 は 大 いに 期 待 されている.この 理 由 は, 人 が 直 接 立 ち 入 るには 難 しい 場 所 の 情 報 も 瞬 時 に 獲 得 したり, 広 範 囲 の 情 報 を 一 度 に 得 られるからで ある.また, 災 害 が 起 きた 後 の 復 興 の 過 程 を 把 握 するためにも 使 われる.たとえば, 土 砂 や 瓦 礫 でおおわれ ていた 場 所 に 建 物 が 建 ったり, 道 路 が 舗 装 されたりという 整 備 の 過 程 である.また, 主 要 な 道 路 を 優 先 的 に 復 旧 させるといったように, 復 旧 計 画 にも 用 いることが 可 能 である. リモートセンシングに 使 われるセンサの 性 能 が 向 上 するにつれ, 得 られる 情 報 量 も 増 えてくる.ゆえに, 情 報 を 早 く 正 確 に 獲 得 すること, 解 析 を 行 うことが 必 要 とされてきている.また,これらの 膨 大 な 情 報 をマ ニュアルで 解 析 するのではなく, 自 動 で 行 うことも 必 要 となってくる. 近 年,リモートセンシングにおける 地 表 面 の 解 析 に 用 いられる 手 法 は,ピクセルベースのものからオブジ ェクトベースへと 移 り 変 わってきている.オブジェクトベースにおける 手 法 としては,まず 画 像 を 画 像 オブ ジェクトと 呼 ばれる 小 領 域 にセグメント 化 する.このとき, 近 くにあるピクセル 同 士 を 似 た 基 準 に 基 づいて グループ 化 する.その 後 クラス 分 類 を 行 う.クラス 分 類 においては 教 師 なし 分 類, 教 師 あり 分 類 があり, 教 師 なし 分 類 では,k-means などが 用 いられる. 教 師 あり 分 類 は,それぞれのクラスを 表 すクラスラベルと 対 応 するオブジェクトをあらかじめ 目 視 で 取 り 出 しておき,それを 基 にすべてのオブジェクトにクラスラベル 2) 3) を 自 動 的 に 与 える 手 法 である. 68
教 師 あり 分 類 には,example based 手 法 と rule based 手 法 がある.example based 手 法 とは,セグメン ト 化 されたオブジェクトそのものに 対 して,クラスラベルを 与 える 手 法 であり,rule based 手 法 とはセグメ ント 化 されたオブジェクトに 対 して,あるルールを 満 たすものだけに,クラスラベルを 割 り 当 てる 手 法 であ る. 本 研 究 では,example based 手 法 と rule based 手 法 の 両 方 を 用 いた 手 法 により,さらに 精 度 の 高 い 分 類 結 果 を 地 図 情 報 に 反 映 させることを 目 的 としている. 2. 衛 星 画 像 解 析 における 前 処 理 (1) DN 値 から Reflectance 値 への 変 換 衛 星 画 像 データを 解 析 する 際 には,Reflectance( 反 射 率 ) 値 へ 変 換 する 必 要 がある. 以 下 に 変 換 式 を 示 す. 4) ρ p p L d 2 = (1) Esun cosθ s ここで L = Gain DN + Offset, s = 90 elevationangle ρ p は reflectance 値,d は 地 球 と 太 陽 の 距 離, θ である. の 天 頂 角, L はセンサー 開 口 部 でのバンドでの radiance 値, れるバンドでの 放 射 計 測 校 正 オフセットである. Esun はバンド 別 の 太 陽 放 射 量, θ s は 衛 星 通 過 時 の 太 陽 Gain, Offset はメタデータから 得 ら (2) 2 枚 の 衛 星 画 像 の 位 置 合 わせ 撮 影 された 時 期 が 違 うため, 衛 星 の 軌 道 により2 枚 の 画 像 に 多 少 のずれが 生 じている. 画 像 を 比 べるにあた りずれをできるだけなくす 必 要 がある. 本 研 究 では2 枚 の 画 像 を 使 うので, 災 害 前 の 画 像 を 基 準 にし, 災 害 後 の 画 像 を 幾 何 補 正 する. まず,Ground Control Point(GCP)を 作 成 する.GCP は, 画 像 を 合 わせるときに 用 いる 特 定 可 能 な 位 置 のこ とである. 例 としては, 道 路 の 角, 建 物 の 端 などである. 本 研 究 では10 個 の GCP を 作 成 した.これらを 用 いて 災 害 後 の 画 像 に 対 して, 幾 何 補 正 を 行 った. 3. Example based な 分 類 手 法 画 像 から Edge 抽 出 を 行 い,Full lambda schedule 5) を 用 いて, 似 た 性 質 を 持 つピクセル 集 合 にセグメント 化 する.ここでセグメント 化 されたピクセル 集 合 をオブジェクトと 呼 ぶ. Example based な 分 類 手 法 では,オブジェクト 化 された 画 像 に 対 して,いくつかのクラスを 作 成 し, 教 師 となる 学 習 データを 与 える. 災 害 前 の 画 像 においては 建 物,アスファルト, 水, 木 や 草, 土 の5クラス, 災 害 後 は 瓦 礫 を 加 えて6クラスとした. 災 害 前 の 画 像 では 361,587 オブジェクト 中,844 個 のオブジェクトを ランダムに 選 び 教 師 信 号 を 与 えた. 災 害 後 の 画 像 では 319,960 オブジェクト 中,788 個 のオブジェクトをラ ンダムに 選 び 教 師 信 号 を 与 えた. 与 えた 教 師 信 号 を 基 に SVM を 学 習 し,これを 用 いて 全 オブジェクトのクラス 分 類 を 行 った. 最 後 に 災 害 前 後 の 2 枚 のクラス 分 類 画 像 を 比 較 することにより, 被 害 検 出 を 行 った.( 例 : 災 害 前 では 建 物 だった 場 所 が, 災 害 後 では 瓦 礫 になっている.など) 4. Rule based な 分 類 手 法 Rule based な 分 類 手 法 では,オブジェクト 化 された 画 像 に 対 していくつかのルールを 作 り,それを 満 たす オブジェクトだけを 特 定 のクラスとして 抽 出 する. 本 研 究 では 建 物 の 被 害 検 出 を 行 うために,Rule based な 分 類 手 法 で 建 物 を 表 すオブジェクトを 抽 出 する. 69
その 際 に4つのルールを 用 いた.1.オブジェクトを 構 成 しているピクセルの 濃 淡 値 の 平 均 値 (Texture mean), 2. 四 角 さ(Rectangular= 面 積 /( 長 軸 の 長 さ 短 軸 の 長 さ)),3. 細 長 さ(Elongation= 長 軸 の 長 さ/ 短 軸 の 長 さ), 4.オブジェクトの 大 きさ(Area)である.オブジェクトが,これらルールの 数 値 の 範 囲 内 であれば 建 物 とみなす( 図 -1 参 照 ). このルールの 作 成 においては, 建 物 は 形 状 が 四 角 のものが 多 く, 一 定 の 大 きさより 大 きい 範 囲 にあるとい う 性 質 に 着 目 した.また, 建 物 は 道 路 ほど 細 長 くはないという 性 質 を 利 用 するために, 細 長 いオブジェクト は 除 くというルールも 設 定 した. 以 下 にルールの 定 義 式 と 閾 値 の 範 囲 を 示 す.ClassScore が 0.68 以 上 であ れば, 建 物 とみなす.また,Attribute score は 以 下 の 範 囲 内 にあれば 1,なければ 0 とする.Attribute Weight は 主 観 的 に 決 定 した. 4 ClassS co re = ( AttributeScore AttributeWeight) (2) i= 1 図 -1 建 物 抽 出 におけるルール このルールを 災 害 前 後 の 画 像 に 対 して 適 用 し, 建 物 抽 出 を 行 う.その 後,それらの 抽 出 画 像 を 比 較 し, 建 物 が 存 在 しなくなった 場 所,つまり 被 害 を 受 けた 場 所 を 検 出 する( 図 -2 参 照 ). 5. 組 み 合 わせと 地 図 作 成 以 上 の2つの 手 法 で 得 られた 結 果 をマージ(OR で 組 み 合 わせる)する. 組 み 合 わせ 手 法 の 結 果 と,Example based 分 類 手 法,Rule based 手 法 との 比 較 結 果 を 以 下 の 表 に 示 す. 表 -1 分 類 の 比 較 結 果 Precision(%) Recall(%) Example based 65.9 48.3 Rule based 60.4 41.0 組 み 合 わせ 66.2 81.2 ここで,Precision とは 正 解 率 のことで, 検 出 した 結 果 の 中 で 実 際 に 被 害 があった 場 所 をどれだけ 含 んでい るかという 割 合 である.Recall とは 再 現 率 のことで, 実 際 に 被 害 があった 場 所 を 今 回 の 検 出 でどれだけ 網 羅 できているかという 割 合 である. 図 -2 に 作 成 した 地 図 を 示 す. 70
図 -2 災 害 後 の 推 定 された 被 害 状 況 地 図 6. おわりに 本 稿 では, 災 害 状 況 を 把 握 するために 災 害 直 後 の 地 図 を 作 製 した.また, 信 頼 できる 地 図 を 作 成 するにあ たり, 被 害 検 出 の 精 度 を 上 げることも 目 的 とし,Example based な 分 類 手 法 と Rule based な 分 類 手 法 を 組 み 合 わせることによって 精 度 の 向 上 に 努 めた.また, 地 図 上 には 被 害 があるという 情 報 だけでなく,がれきや 土 砂 など,どのような 被 害 を 受 けたかという 情 報 を 記 している. 参 考 文 献 1) 山 崎 文 雄, 防 災 におけるリモートセンシング 技 術 利 用 の 最 新 動 向, 土 木 学 会 第 10 回 地 震 災 害 マネジメントセミナー,ISBN978-4-8106-0686-7, pp.1-12, 2009 2) Ochi Shiro, Land cover classification based on image objects for high resolution satellite image, 東 南 アジア 研 究, 46 巻 4 号, pp.578-592 2009. 3) Sun Xiaoxia, Zhang Jixian, Liu Zhengjun, An object-oriented classification method on high resolution satellite data, 25 th Asian conference on remote sensing, pp.347-350, 2004. 4) Nancy E. Podger, William B.Colwell, Martin H. Taylor, GeoEye-1 Radiance at Aperture and Planetary Reflectance,2011 5)Nicholas J. Rededing, David J.Crisp, Dahong Tnag, Garry N. Newsam, An efficient algorithm for Mumford-Shah segmentation and its application to SAR imagery, Proceeding of the 1999 conference on digital image computing: Techniques and Application,pp35-41, 1999 筆 者 : 1) 笹 島 敬 介, 工 学 部 情 報 知 能 工 学 科, 学 生 ;2)ムハマドレザパウザベール,システム 情 報 学 研 究 科, 学 生 ;3) 有 木 康 雄, 都 市 安 全 研 究 センター, 教 授 ;4) 滝 口 哲 也, 都 市 安 全 研 究 センター, 准 教 授 71
Post-disaster map production by satellite image analysis Keisuke Sasajima Mohammad Reza Poursaber Yasuo Ariki Tetsuya Takiguchi Abstract Remote sensing is a technology that obtains extensive area information by using satellite image or aerial image. We use remote sensing technology for damage detection. By detecting damage quickly, it can be used for planning to rescue people in danger. However it needs higher accuracy of damage detection. In this paper, we use 2 satellite images; before disaster and after disaster. First, we combine two object based classification methods, example based and rule based, to improve damage detection accuracy and finally produce the post-disaster map. 72